OpenAudio S1 是Fish Audio 近日正式推出其的最新一代语音生成模型，以其高度自然的声音、丰富的语气控制和强大的指令跟随能力，号称达到专业配音演员的表现力和自然度。这一模型在TTS-Arena排行榜中荣登第一，成为文本转语音（TTS）领域的新标杆。

今天分享的OpenAudio S1基于官方开源的 OpenAudio S1 mini模型，拥有0.5B的参数量，满足大部分消费级显卡使用。更好的商业版模型效果可以到官网体验：https://fish.audio/zh-CN/


核心特点

高度自然的声音: 生成的声音流畅、逼真，几乎与人类配音无异，适用于专业场景如视频配音、播客和游戏角色语音。   
丰富的语气控制: 支持超过50种情绪和语气标记，如（愤怒）、(高兴)、(悲伤)、(低语)、(同情)等，用户可通过自然语言指令灵活调整语音表达。   
强大的指令跟随能力: 通过简单的文本指令，用户可以控制语音的语速、音量、停顿甚至笑声等细节，打造高度个性化的语音输出。   
多语言支持: 得益于200万小时的音频训练数据，OpenAudio S1在语音生成的质量和多样性上取得了显著突破，覆盖英语、中文、日语、韩语、法语、德语、阿拉伯语、西班牙语等13种语言，展现了强大的多语言能力。


应用领域

多媒体内容创作‌ 适用于视频配音、有声读物、播客等，提供高质量且情感丰富的语音输出  ‌
游戏与虚拟交互‌ 为游戏角色生成逼真语音，或用于虚拟助手、虚拟人等交互场景
教育与客户服务‌ 在多语言教育工具或智能客服系统中，提供自然且富有情感的语音支持
轻量化部署‌ S1-mini版本适合本地设备或资源有限的应用，如移动端语音生成


使用教程：( 建议N卡，显存6G起。支持50系显卡，基于CUDA12.8 )

1、直接输入需要转换的文本，点生成，可以随机生成一种音色合成
2、上传参考音频、输入参考文本，输入合成文本，点生成，即可生成克隆音色音频

下载地址：https://deepfaces.cc/thread-690-1-1.html