fish-speech/docs/pt/index.md

OpenAudio (anteriormente Fish-Speech)

Série Avançada de Modelos Text-to-Speech

Experimente agora: Fish Audio Playground | Saiba mais: Site OpenAudio

---

!!! warning "Aviso Legal"

Não assumimos nenhuma responsabilidade pelo uso ilegal da base de código. Consulte as leis locais sobre DMCA (Digital Millennium Copyright Act) e outras leis relevantes em sua área.

**Licença:** Esta base de código é lançada sob a licença Apache 2.0 e todos os modelos são lançados sob a licença CC-BY-NC-SA-4.0.

Introdução

Estamos empolgados em anunciar que mudamos nossa marca para OpenAudio - introduzindo uma nova série de modelos avançados de Text-to-Speech que se baseia na fundação do Fish-Speech com melhorias significativas e novas capacidades.

Openaudio-S1-mini: Vídeo; Hugging Face;

Fish-Speech v1.5: Vídeo; Hugging Face;

Destaques ✨

Controle Emocional

O OpenAudio S1 suporta uma variedade de marcadores emocionais, de tom e especiais para aprimorar a síntese de fala:

• Emoções básicas:

  (angry) (sad) (excited) (surprised) (satisfied) (delighted)
  (scared) (worried) (upset) (nervous) (frustrated) (depressed)
  (empathetic) (embarrassed) (disgusted) (moved) (proud) (relaxed)
  (grateful) (confident) (interested) (curious) (confused) (joyful)
  

• Emoções avançadas:

  (disdainful) (unhappy) (anxious) (hysterical) (indifferent) 
  (impatient) (guilty) (scornful) (panicked) (furious) (reluctant)
  (keen) (disapproving) (negative) (denying) (astonished) (serious)
  (sarcastic) (conciliative) (comforting) (sincere) (sneering)
  (hesitating) (yielding) (painful) (awkward) (amused)
  

• Marcadores de tom:

  (in a hurry tone) (shouting) (screaming) (whispering) (soft tone)
  

• Efeitos sonoros especiais:

  (laughing) (chuckling) (sobbing) (crying loudly) (sighing) (panting)
  (groaning) (crowd laughing) (background laughter) (audience laughing)
  

Você também pode usar Ha,ha,ha para controlar, há muitos outros casos esperando para serem explorados por você mesmo.

Qualidade TTS Excelente

Utilizamos as métricas Seed TTS Eval para avaliar o desempenho do modelo, e os resultados mostram que o OpenAudio S1 alcança 0.008 WER e 0.004 CER em texto inglês, que é significativamente melhor que modelos anteriores. (Inglês, avaliação automática, baseada na transcrição OpenAI gpt-4o, distância do falante usando Revai/pyannote-wespeaker-voxceleb-resnet34-LM)

Modelo	Taxa de Erro de Palavras (WER)	Taxa de Erro de Caracteres (CER)	Distância do Falante
S1	0.008	0.004	0.332
S1-mini	0.011	0.005	0.380

Dois Tipos de Modelos

Modelo	Tamanho	Disponibilidade	Características
S1	4B parâmetros	Disponível em fish.audio	Modelo principal com todas as funcionalidades
S1-mini	0.5B parâmetros	Disponível no huggingface hf space	Versão destilada com capacidades principais

Tanto o S1 quanto o S1-mini incorporam Aprendizado por Reforço Online com Feedback Humano (RLHF).

Características

1. TTS Zero-shot e Few-shot: Insira uma amostra vocal de 10 a 30 segundos para gerar saída TTS de alta qualidade. Para diretrizes detalhadas, veja Melhores Práticas de Clonagem de Voz.

2. Suporte Multilíngue e Cross-lingual: Simplesmente copie e cole texto multilíngue na caixa de entrada—não precisa se preocupar com o idioma. Atualmente suporta inglês, japonês, coreano, chinês, francês, alemão, árabe e espanhol.

3. Sem Dependência de Fonemas: O modelo tem fortes capacidades de generalização e não depende de fonemas para TTS. Pode lidar com texto em qualquer script de idioma.

4. Altamente Preciso: Alcança uma baixa Taxa de Erro de Caracteres (CER) de cerca de 0,4% e Taxa de Erro de Palavras (WER) de cerca de 0,8% para Seed-TTS Eval.

5. Rápido: Com aceleração fish-tech, o fator de tempo real é aproximadamente 1:5 em um laptop Nvidia RTX 4060 e 1:15 em um Nvidia RTX 4090.

6. Inferência WebUI: Apresenta uma interface web fácil de usar baseada em Gradio, compatível com Chrome, Firefox, Edge e outros navegadores.

7. Inferência GUI: Oferece uma interface gráfica PyQt6 que funciona perfeitamente com o servidor API. Suporta Linux, Windows e macOS. Ver GUI.

8. Amigável para Deploy: Configure facilmente um servidor de inferência com suporte nativo para Linux, Windows e MacOS, minimizando a perda de velocidade.

Isenção de Responsabilidade

Não assumimos nenhuma responsabilidade pelo uso ilegal da base de código. Consulte suas leis locais sobre DMCA e outras leis relacionadas.

Mídia e Demos

🚧 Em Breve

Demonstrações em vídeo e tutoriais estão atualmente em desenvolvimento.

Documentação

Início Rápido

• Configurar Ambiente - Configure seu ambiente de desenvolvimento
• Guia de Inferência - Execute o modelo e gere fala

Comunidade e Suporte

• Discord: Junte-se à nossa comunidade Discord
• Site: Visite OpenAudio.com para as últimas atualizações
• Experimente Online: Fish Audio Playground