Fish Audio

Drama 3 是 Fish Audio 推出的一款文本转语音模型，专为有导演指导的语音表演而设计。你可以在台词前用方括号以自然语言书写表演指示，例如 `[nervous, barely holding it together]`，还可以在句中插入声音和停顿，或使用成对标签（如 `<whisper>`）来改变特定词语的演绎方式。 它支持在单次请求中呈现多说话人场景，可在同一语音中于句内切换 80 多种语言，并支持音素标签来固定人名和术语的发音。

Transcribe 1 Pro 是 Fish Audio 推出的语音转文本模型，专为采访、会议和播客场景优化。它使用内联 `speaker` 标记标识说话人，保留 `[laughter]` 等情感和声音事件线索，自动检测语言，并返回带时间戳的单词级分段。

Transcribe 1 是 Fish Audio 推出的语音转文字模型。它适用于音频转录，支持自动语言检测，并在请求对齐细节时返回带时间戳的词级分段。

S1 是来自 Fish Audio 的多语言文本到语音模型。它适用于需要广泛情感表达的语音应用，使用括号控制来在其支持的语言中引导说话风格。

S2 Pro 是 Fish Audio 推出的多语言文本转语音模型。它适用于富有表现力的旁白和多说话人对话，并支持通过自然语言控制说话风格和情感。

S2.1 Pro 是 Fish Audio 推出的一款面向生产的文本转语音模型。它适用于多语言语音应用、表现力丰富的叙述以及对话合成，并支持通过开放式自然语言控制来调整说话风格和情感。