Fish Speech：开源的高自然度语音合成

Fish Speech 是一套开源的语音合成（TTS）系统，主打高自然度与多语言，支持文本转语音与声音克隆，可在本地部署。

配音、有声内容、语音助手这些场景，商业 TTS 好用但按量计费、声音受平台限制、数据要上云。Fish Speech 走开源路线：把高质量语音合成能力放到你自己的机器上，支持中英等多语言、零样本声音克隆，模型可本地推理。仓库 fishaudio/fish-speech 以 Python 为主，星标约 3.3 万（以 GitHub 为准），官网 https://speech.fish.audio 。需特别注意：其许可证在 GitHub 上标注为 NOASSERTION（非标准 SPDX 许可），商用前务必阅读仓库 LICENSE 与官方说明，确认授权边界。

信息卡

• 项目名称：Fish Speech
• 编程语言：Python
• 开源许可证：仓库标注 NOASSERTION（非标准许可，商用需核对仓库 LICENSE 与官方说明）
• GitHub 地址：https://github.com/fishaudio/fish-speech
• 官网或 Demo：https://speech.fish.audio

核心能力

高自然度文本转语音。 把文本转成听感自然、有韵律起伏的语音，而非机械的逐字朗读。对长句停顿、语气与重音有较好处理，适合有声读物、视频配音、内容朗读等对听感要求高的场景。支持中英文等多语言，跨语言混合文本也能处理。

零样本声音克隆。 给一小段参考音频，就能克隆其音色来合成新文本，无需大量语料重新训练。这让「用自己的声音批量配音」「固定一个角色音色」成为可能。声音克隆能力强大，但正因如此更要遵守伦理与法律边界——未经授权克隆他人声音可能违法，使用前务必获得许可。

本地部署与隐私。 模型可在本地推理，音频不出本机，适合对内容保密或需要离线批量生成的场景。相较按字符计费的云服务，本地跑量大了边际成本更低。项目提供推理脚本与 Web 界面，便于试听与批量处理。

生态与社区。 项目社区活跃，配套模型权重、训练与微调脚本齐全，进阶用户可以基于自己的数据微调出专属音色。它与 fish.audio 生态关联，官方也提供相应的在线服务作为对照。

使用上手

1. 准备 Python 环境与（推荐）NVIDIA 显卡；按仓库 README 安装依赖。
2. 下载官方模型权重（仓库或 Hugging Face 页面提供）。
3. 命令行或 Web UI 运行推理：输入文本、选择语言，先生成一段试听。
4. 需要克隆音色时，按文档提供一段干净的参考音频，合成验证相似度。
5. 商用前务必通读 LICENSE 与官方授权说明，确认你的用途被允许；声音克隆须获被克隆者授权。

优点与不足

优势是语音自然度高、支持声音克隆、多语言、可本地部署、社区活跃。局限：许可证标注 NOASSERTION，商用授权不够清晰，务必自行核实；声音克隆有法律与伦理风险，滥用可能违法；本地推理对硬件有要求，模型与显存需匹配。星标以 GitHub 为准。

适合谁

适合需要高质量中文/多语言配音、且希望本地部署的内容创作者；研究语音合成、需要可微调开源模型的开发者；以及能自行厘清授权边界、合规使用声音克隆的团队。对授权有疑虑或只想轻度试用的用户，可先评估其在线服务。

下载与访问

仓库 https://github.com/fishaudio/fish-speech ；官网/Demo https://speech.fish.audio 。

许可证与部署

本文属于「项目」分类的 AI 资源专栏，更多评测见分类页。