F15

🚀 Fish Speech V1.5

Fish Speech V1.5 是一款領先的文本轉語音（TTS）模型，它基於超過 100 萬小時的多語言音頻數據進行訓練。該模型能夠有效解決多語言文本轉語音的需求，為不同語言背景的用戶提供高質量的語音合成服務。

🚀 快速開始

Fish Speech V1.5 支持多種語言，以下是各語言的訓練數據時長：

• 英語 (en) >300k 小時
• 中文 (zh) >300k 小時
• 日語 (ja) >100k 小時
• 德語 (de) ~20k 小時
• 法語 (fr) ~20k 小時
• 西班牙語 (es) ~20k 小時
• 韓語 (ko) ~20k 小時
• 阿拉伯語 (ar) ~20k 小時
• 俄語 (ru) ~20k 小時
• 荷蘭語 (nl) <10k 小時
• 意大利語 (it) <10k 小時
• 波蘭語 (pl) <10k 小時
• 葡萄牙語 (pt) <10k 小時

更多信息請參考 Fish Speech Github。
演示可在 Fish Audio 查看。

📚 詳細文檔

引用

如果您覺得這個倉庫有用，請考慮引用這項工作：

@misc{fish-speech-v1.4,
      title={Fish-Speech: Leveraging Large Language Models for Advanced Multilingual Text-to-Speech Synthesis}, 
      author={Shijia Liao and Yuxuan Wang and Tianyu Li and Yifan Cheng and Ruoyi Zhang and Rongzhi Zhou and Yijin Xing},
      year={2024},
      eprint={2411.01156},
      archivePrefix={arXiv},
      primaryClass={cs.SD},
      url={https://arxiv.org/abs/2411.01156}, 
}

許可證

此模型遵循 BY-CC-NC-SA-4.0 許可協議。

⚠️ 重要提示

您同意不使用該模型生成違反 DMCA 或當地法律的內容。