Fish Audio 推出 S1 語音克隆模型升級：10 秒即可復刻真人語音

　　語音生成公司Fish Audio正式發布升級版S1語音克隆模型，在情感表現力與擬真度方面實現重大突破。新版模型能夠生成富有情緒、節奏感與語氣變化的真人級聲音，幾乎可以完美再現人類說話時的細微差別。

　　據介紹，用戶只需提供約10秒的語音樣本，S1即可克隆任意人聲，并完整保留原聲的口音、語調與節奏，還原個人的說話習慣與情感特征，生成效果幾乎與真人無異。相比國際知名產品ElevenLabs，Fish Audio 的語音克隆服務價格低約六倍，在語音生成成本和性能平衡上具備明顯優勢。

　　與此同時，Fish Audio S1API也已同步上線，顯著提升了實時語音生成體驗。其首幀延遲(TTFT)低于500毫秒，一句話不到半秒即可開始播放;同時支持輸入與輸出的流式傳輸，實現邊接收文字邊即時朗讀的自然交互，并可無限克隆不同人聲、自由切換使用。

　　業內認為，Fish Audio S1的升級意味著語音克隆技術正從“可用”邁向“可感”，其高保真、低延遲的特性將加速 AI 語音在虛擬人、智能助理、內容創作及配音等領域的廣泛落地。