Fish Audio 发布 OpenAudio S1-mini：支持 14 种语言、50+ 情感语气的开源 TTS 模型

文本转语音（TTS）领域迎来一位重量级开源选手 —— OpenAudio S1-mini。

这是由 Fish Audio 团队 推出的 S1 模型的轻量化版本，参数规模为 5亿（0.5B），基于超过 200万小时 的多语言音频数据训练而成。它不仅支持 14种主流语言，还具备丰富的情感、语调与特殊音效控制能力，是当前开源 TTS 领域中表现最为全面的模型之一。

• GitHub：https://github.com/fishaudio/fish-speech
• 模型：https://huggingface.co/fishaudio/openaudio-s1-mini
• Demo：https://huggingface.co/spaces/fishaudio/openaudio-s1-mini

最重要的是：S1-mini 完全免费且可本地部署，非常适合个人开发者、研究人员和内容创作者使用（仅限非商业用途）。

🎯 核心亮点一览

🔊 支持的语言列表（持续扩展）

目前，OpenAudio S1-mini 支持以下 14 种语言：

• 英语 (en)
• 中文 (zh)
• 日语 (ja)
• 德语 (de)
• 法语 (fr)
• 西班牙语 (es)
• 韩语 (ko)
• 阿拉伯语 (ar)
• 俄语 (ru)
• 荷兰语 (nl)
• 意大利语 (it)
• 波兰语 (pl)
• 葡萄牙语 (pt)

团队表示，未来将逐步增加对更多语言的支持，进一步提升其全球适用性。

😲 情感与语气控制：让 AI 更有“人味”

S1-mini 最引人注目的功能之一是其强大的情感与语气控制能力，通过特殊的文本标记即可实现语音情绪的变化。以下是部分支持的指令示例：

✅ 基础情感：

(生气) (伤心) (兴奋) (惊讶) (满意) (高兴) 
(害怕) (担心) (沮丧) (紧张) (挫败) (郁闷)
(同情) (尴尬) (厌恶) (感动) (自豪) (放松)
(感激) (自信) (感兴趣) (好奇) (困惑) (快乐)

✅ 高级情感：

(鄙视) (不开心) (焦虑) (歇斯底里) (冷漠) 
(不耐烦) (内疚) (轻蔑) (恐慌) (愤怒) (不情愿)
(热衷) (不赞成) (消极) (否认) (震惊) (严肃)
(讽刺) (安抚) (安慰) (真诚) (冷笑)
(犹豫) (屈服) (痛苦) (尴尬) (觉得有趣)

✅ 语调标记：

(急促的语调) (喊叫) (尖叫) (耳语) (柔和的语调)

✅ 特殊音频效果：

(笑声) (轻笑) (抽泣) (大声哭泣) (叹息) (喘息)
(呻吟) (人群笑声) (背景笑声) (观众笑声)

此外，你还可以通过重复关键词如 “哈,哈,哈” 来引导模型生成特定类型的笑声或其他音效。

当前情感控制主要支持 英语、中文和日语，其他语言将在后续版本中陆续加入。

🧠 模型架构与性能表现

OpenAudio S1 系列包含两个主要变体：

S1-mini 是 S1 的蒸馏版本，在保持高质量输出的同时大幅降低了计算资源需求，使其更适合本地部署与推理。

📊 自动评估指标（英文测试集）

尽管稍逊于旗舰版 S1，但 S1-mini 在开源 TTS 模型中仍表现出色，尤其在情感控制方面远超同类模型。

🛠️ 技术细节与部署方式

• 训练数据：超过 200 万小时的多语言语音数据
• 强化学习：采用在线 RLHF（人类反馈强化学习），提升语音自然度
• 部署支持：提供完整的 Docker 和 API 示例，便于本地运行
• 许可证：CC-BY-NC-SA-4.0，仅限非商业用途

你可以在 Fish Speech GitHub 获取完整模型与部署指南。

🧩 如何体验？

你可以通过以下几种方式体验 OpenAudio S1-mini：

• 在线试听：访问 Fish Audio Playground 直接试用
• GitHub 项目页：查看模型文档与部署说明：Fish Speech GitHub