Fish Audio周年庆：S2.1Pro模型带来实时语音与情感控制

Fish Audio正在庆祝其周年纪念，发布了S2.1Pro，这是其迄今为止最先进的生产级语音模型。与传统的文本转语音系统不同，后者坚持脚本化叙述，而这款模型专为实时对话而构建。现在可通过Fish Audio API使用，并且有一个带有合理限制的免费版本供开发者测试和尝试。

性能与特点

在技术方面，S2.1Pro在约90毫秒内提供首帧音频播放——足够快以实现自然、流畅的来回对话。它在统一的语音识别架构下支持83种语言。但真正让它与众不同的是语音控制的灵活性。忘记预设的情感菜单；你可以直接在文本中嵌入自由形式的括号标签，以实时触发耳语、紧张的笑声或其他精细指令。

该模型还原生支持多说话人对话生成。需要克隆声音？只需10到30秒的参考音频即可准确复制目标语调和说话风格，无需额外的微调。

意义

S2.1Pro标志着语音AI的转变——从僵化的、基于脚本的合成转向实时、高保真的交互。它降低了开发者的门槛，并为在全球部署智能语音应用提供了坚实的计算基础。

关键点