Fish Agent V0.1 3b

🚀 Fish Agent V0.1 3B

Fish Agent V0.1 3B 是一款具有開創性的語音到語音模型，能夠以前所未有的精度捕捉和生成環境音頻信息。其獨特之處在於採用了無語義標記架構，無需像 Whisper 和 CosyVoice 那樣使用傳統的語義編碼器/解碼器。

此外，它還是一款最先進的文本轉語音（TTS）模型，在包含 700,000 小時多語言音頻內容的廣泛數據集上進行了訓練。

該模型是基於 Qwen - 2.5 - 3B - Instruct 針對 200B 語音和文本標記進行持續預訓練的版本。

🚀 快速開始

如需詳細信息和實施指南，請訪問我們的 Fish Speech GitHub 倉庫。

✨ 主要特性

• 創新架構：採用無語義標記架構，擺脫傳統語義編碼器/解碼器的限制。
• 多語言支持：支持英語、中文、德語、日語、法語、西班牙語、韓語和阿拉伯語等多種語言。
• 大量訓練數據：在 700,000 小時的多語言音頻數據集上進行訓練，保證了模型的性能。

📚 詳細文檔

支持的語言

該模型支持以下語言，並列出了各自的訓練數據規模：

引用信息

如果您覺得這個倉庫對您的工作有幫助，請考慮引用：

@misc{fish-agent-0.1,
    author = {Shijia Liao and Tianyu Li and Rcell and others},
    title = {Fish Agent V0.1 3B},
    year = {2024},
    publisher = {GitHub},
    journal = {GitHub repository},
    howpublished = {\url{https://github.com/fishaudio/fish-speech}}
}

📄 許可證

該模型及其相關代碼遵循 BY - CC - NC - SA - 4.0 許可證發佈，允許在適當註明出處的情況下進行非商業使用。

⚠️ 重要提示

您需同意不使用該模型生成違反 DMCA 或當地法律的內容。

💡 使用建議

在使用模型前，請仔細閱讀許可證條款，確保您的使用符合非商業使用的要求。