ech。 近來，AI 語音賽道突然熱鬧起來。
一個多月前，一個號稱「開源語音 TTS 天花板等級」的 ChatTTS 爆火。
火到什麼程度呢？
僅三天時間就在 GitHub 狂攬 9.2k Star 量，還一度登頂 GitHub Trending 榜首並連續霸榜。
沒多久，位元組也推出一款類似專案 Seed-TTS，喊出的口號同樣是「產生自然真實的語音」。
這幾天，這條賽道又闖進新玩家 ——Fish Speech。
據悉，模型經過15 萬小時的數據訓練，已熟練中英日三種語言，語音處理接近人類水平，對中文支持更是——
官方也甩出不少demo－
中文句子：
人間燈火倒映湖中，她的渴望讓靜水氾起漣漪。若代價只是孤獨，那就讓這份願望肆意流淌。流入她所注視的世間，也流入她如湖水般清澈的目光。
鍾離,機器之能,15秒視訊連結：
https://www.php.php/link/e056e52c8dcd019a63e6a3f1698929個句子d technology, the evolution of artificial intelligence stands as a monumental achievement. This dynamic field, constantly pushing the boundaries of what machines can do, has seen rapid growth and innovation. From deciphering complex data patterns to pattery scart.
說英文,機器之能
,25秒
視訊連結：https://www.php.cn/link/e056e52c8dcd019a63e6a3f169892cc9
了，語調也不會讓人感到不適。
不過，也有網友提醒，這個專案雖開源但不可商用。
-1-
解說紀錄片、說繞口令，它到底行不行？
Fish Speech 是一款開源文字轉語音模型，由 Fish Audio 公司開發。據介紹，該模型僅有億級參數，能夠在個人設備上輕鬆運行和微調。
官網連結：https://fish.audio/zh-CN/text-to-speech/其官網介面設計簡潔，在「發現」一欄列表裡有網友訓練的各種聲音，例如丁真、川普、雷軍、鄧紫棋、董宇輝、單田芳等，還有AD 學姊、流螢等二次元聲音。
接下來，我們就來實際評估下。
1つ目は、代替解説「Animal World」です。
少し前、「Animal World」をクレイジーな方法で説明して業界からブレイクした、2000 年代以降のブロガー @DimensionCzoo がいました。
たとえば、エピソード「フクロウの張八達」では、ブロガーはコキンメフクロウと呼ばれる動物を、一部深刻、二部分奇妙、三部分ユーモラス、そして四部分説明不可能な説明方法で紹介しました。
ビデオリンク: https://www.php.cn/link/e056e52c8dcd019a63e6a3f169892cc9
フィッシュスピーチの「ドキュメンタリーナレーション」音声を使用して、この重病のコピーライターの吹き替えを生成します。
アオカマキリは実際にはとても可愛くて、すごく可愛くて、カリカリしていて、鶏肉のような匂いがするのですが、コブシウズラとは何の関係もありません。なぜなら、ウズラは身を守ることができないからです。キハヤブサは、とても香りが良いと言います。キハヤブサは南米各地に生息しており、視力が優れており、10センチ先のものを見ることができるので、今日の主役はそれではありません。
小さなフクロウ（シャオ）は、世界でフクロウの新鮮な肉として知られており、私のいとこに似ており、身長は30センチメートル未満で、とてもかわいいです。 「トラは転ぶと犬にいじめられるが、フクロウは野生のニワトリほどではない」ということわざがあるように、アナホリフクロウは狩猟能力が低いため、近所の人によく笑われます。しかし、食べ物が見つからないからといって、私たちは食べ物を探します。
また、早口言葉を伝えるために、Ding Zhen と Deng Ziqi の声を選択しました。
ビデオリンク: https://www.php.cn/link/e056e52c8dcd019a63e6a3f169892cc9
トランプに英語の早口言葉を話させてください。
分かるなら「分かる」って言う、分からないなら「分からない」って言うけど、分かってて「分からない」ってどうやって分かるの？
フィッシュスピーチ英語早口言葉、マシンの力、14秒
リスニングリンク:
https://www.php.cn/link/e056e52c8dcd019a63e6a3f169892cc9
ダン・ティエンファンのジョークもありますs.
フィッシュスピーチには、シャン・ティエンファン、デン・ジーチー、トランプなど、特定の人物の声色やイントネーションを偽物と言えるほど模倣する能力があります。
ただし、いくつかの欠点もあります。たとえば、読み書きができず、文章を分割する方法がわからず、完全な文章を断片的に読んでしまうことがあります。さらに、入力テキストが長すぎると機能が停止します。
-2-
3つのTTSモデルバトル
既製の音声を使用することに加えて、独自の音声を作成することもできます。
操作もとても簡単です。ページ上部の「サウンドの構築」をクリックするだけで、新しいインターフェースにジャンプします。次に、カバーをアップロードし、サウンド名を入力し、音声を入力します。
その中で、音声の入力に関しては、既製の音声をアップロードするか、自分で録音することができますが、時間制限があり、できれば30秒程度です。
たとえば、徐志生がトークショーについて話している音声クリップをアップロードしました。
効果を見てみましょう:
李昌庚は最近少しイライラしています。
彼は今、古いクレーンに乗って、雲と霧の中を飛び、物思いにふけっていました。老何徐は啓明堂に飛んで行こうとしていたのを見て混乱し、速度を落とすどころか真っ直ぐに衝突した。李長庚は我に返り、ハエ泡立て器を何度も振ると、ハエは急いで羽ばたいて、廊下の横の階段に曲がって着地した。
魚のスピーチ朗読小説、機械の力、23秒
声が徐志生と何の関係もないとは言えず、全く同じとしか言えません。アクセントさえ異なります。とても似ている。
また、「オープンソース音声 TTS 上限レベル」ChatTTS および Seed-TTS と競合させました。
中国語のテキスト: さて、ははははは、笑うのが好きな人は、毎日笑っていてください。
フィッシュスピーチ:
フィッシュスピーチ、マシンのパワー、11秒
オーディションリンク:
https://www.php.cn/link/e056e52c8dcd019a63e6a3f169892cc9
チャットTTS:
ChatTTS、マシンの力、6秒
オーディションリンク:
https://www.php.cn/link/e056e52c8dcd019a63e6a3f169892cc9
由于字节的 Seed-TTS 还无法亲自体验，所以我们就用了它的官方示例。
Seed-TTS,机器之能,6秒
这三款 TTS 模型各有千秋，如果非要给它们的实力排个序，Seed-TTS 的断句、语音语调最自然，其次就是 ChatTTS，Fish Speech 虽然还有所欠缺，但它赢在可自定义音色上。
链接 ——
https://fish.audio/zh-CN/text-to-speech/
https://github.com/fishaudio/fish-speech
https://chattts.com/
https://bytedancespeech.github.io/seedtts_tech_report/
https://github.com/BytedanceSpeech/seed-tts-eval
以上是實測最新AI語音模式：讓川普、丁真說繞口令堪稱以假亂真，但斷句整得稀碎的詳細內容。更多資訊請關注PHP中文網其他相關文章！
