除了ChatTTS，又一款国产TTS模型出现了——Fish Speech_fish-speech v1.2

Fish Speech V1.2 是一款领先的文本到语音 (TTS) 模型，使用 30 万小时的英语、中文和日语音频数据进行训练。我尝试用1066运行，但是质量不尽如人意，建议使用RTX系列的显卡进行推理。

下载 https://huggingface.co/fishaudio/fish-speech-1.2
Github https://github.com/fishaudio/fish-speech
文档 https://speech.fish.audio/

要求

GPU 内存: 4GB (用于推理), 16GB (用于微调)
系统: Linux, Windows

Linux/WSL

# 创建一个 python 3.10 虚拟环境, 你也可以用 virtualenv
conda create -n fish-speech python=3.10
conda activate fish-speech

# 安装 pytorch
pip3 install torch torchvision torchaudio

# 安装 fish-speech
pip3 install -e .

# (Ubuntu / Debian 用户) 安装 sox
apt install libsox-dev
1
2
3
4
5
6
7
8
9
10
11
12

推理

官方文档简洁而且明确，建议直接食用。https://speech.fish.audio/inference/

微调

由于内置Llama模型，所以可以对该部分进行微调，详细参考文档https://speech.fish.audio/finetune/

感谢大家花时间阅读我的文章，你们的支持是我不断前进的动力。期望未来能为大家带来更多有价值的内容，请多多关注我的动态！