تُدار Kitta AI بشكل مستقل بواسطة wuwei وليست الخدمة الرسمية لـ Fish Audio. Fish Audio

إطلاق نموذج2026-03-02·8 دقائق للقراءة تطلق·By Kitta Audio

إطلاق Fish Audio S2: صوت الذكاء الاصطناعي يدخل عصر 2.0

ملخص قدرات Fish Audio S2 واستخداماتها في الإنتاج.

Fish Audio طراز S2 الجديد كليًا، وهو قفزة كبيرة للأمام من S1. يحقق S2 اختراقات في التحكم في المشاعر، ودعم المتحدثين المتعددة، وتحسين زمن الوصول، مما يمثل الوصول الرسمي لـ AI Voice 2.0.

لماذا S2؟ القفزة التالية في صوت الذكاء الاصطناعي

على مدار العام الماضي، أدى طراز S1 إلى تطوير Fish Audio لتصبح واحدة من أكثر منصات الصوت المدعومة بالذكاء الاصطناعي استخدامًا، والتي تخدم الآن أكثر من مليون مستخدم مع أكثر من مليون نموذج صوتي أنشأه المستخدم. باعتبارها واحدة من نماذج TTS الأولى التي تتميز بالتحكم في عواطف اللغة الطبيعية، أثبتت S1 إمكانات النمذجة الصوتية الشاملة.

لكن S1 كان مجرد البداية. تدخل الصناعة عصر AI Voice 2.0 - حيث تتطور من أصوات البث التقليدية كلمة بكلمة إلى أصوات الذكاء الاصطناعي التفاعلية والعاطفية ذات الروح. S2 هي السيارة الأساسية لهذا التحول. ترقيات

S2 الأساسية: اختراقات في ثلاثة أبعاد

1

التحكم المحسن في المشاعر يحقق

يتيح S2 توصيف المشاعر في نطاق مفتوح، من المشاعر البسيطة مثل «سعيد» و«حزين» إلى مشاعر مركبة مثل «غاضب مع حزن خفي». يعتمد ذلك على نموذج ASR لتوصيف المشاعر طوّرته Fish Audio، مما يتيح لبيانات التدريب المسبق أن تحمل تسميات عاطفية دقيقة.

2

دعم أصلي لالمتحدثين المتعددة تدعم بنية

S2 في الأصل سيناريوهات المتحدثين المتعددة مع علامات المتحدثين الدقيقة لكل مقطع. سواء أكان ذلك عبارة عن ملفات بودكاست متعددة المضيفين، أو حوارات الكتب الصوتية، أو محادثات اللعبة غير القابلة للعب، فإن التحولات الطبيعية بين الشخصيات المتعددة تكون سلسة.

3

الكمون المنخفض للغاية

مع البنية الشاملة، يمكن لـ S2 نظريًا أن يبدأ فك تشفير الصوت بعد إنشاء الرمز المميز الأول فقط. أعلنت Fish Audio أيضًا عن نموذج جديد يلغي Vocoder تمامًا، مما يحقق نمذجة كاملة من النص إلى الموجة من طرف إلى طرف مع أهداف زمن الوصول من 30 إلى 50 مللي ثانية. مصفوفة نموذج

S2: مصممة خصيصًا لكل السيناريوهات لا يتبع

Fish Audio نموذجًا كبيرًا واحدًا - بدلاً من ذلك، يبني Fish Audio مصفوفة نموذجية لسيناريوهات أعمال مختلفة:

S2 Pro

نموذج إنشاء المحتوى الرائد، المصمم للسيناريوهات التي تتطلب جودة صوت مطلقة وتعبيرًا عاطفيًا. مثالية للكتب الصوتية والبودكاست ودبلجة الأفلام وإنشاء محتوى ASMR، للوصول إلى آفاق جديدة في الطبيعة والتعبير.

S2 Flash

نموذج مؤسسي ذو معلمات 4B مُحسّن لسيناريوهات المحادثة في الوقت الفعلي. مع زمن استجابة أقل واستقرار أعلى، فهو الخيار الأمثل لتطبيقات الذكاء الاصطناعي المصاحبة، ووكلاء الصوت في الوقت الفعلي، وروبوتات المبيعات، والمنصات التعليمية.

اختراق تقني: ثورة تعتمد على البيانات لا تأتي التحسينات الأساسية لـ

S2 من تغييرات بنية النموذج، ولكن من إعادة البناء الكاملة لخط أنابيب البيانات. قام Fish Audio ببناء نظام معالجة بيانات رائد في الصناعة:

نموذج ASR الذي تم تطويره ذاتيًا لشرح المشاعر: الأول عالميًا في دقة التعليقات التوضيحية للمشاعر، وهو قادر على التحديد الدقيق للعواطف وتصنيفها، وشبه الكلام (الضحك، والتوقف المؤقت، والتأكيد) في الكلام.
نموذج فصل الصوت: يفصل بدقة المتحدثين الفردية عن المحادثات الصاخبة متعددة الأشخاص، مع الحفاظ على "البيانات القذرة" شديدة التعبير التي تتجاهلها خطوط الأنابيب التقليدية. خط أنابيب
RLHF: يجمع بيانات تعليقات المستخدمين عبر الإنترنت لإنشاء مجموعات بيانات التفضيلات وتدريب نماذج المكافآت من أجل التحسين المستمر. Fish Audio هي المنصة الصوتية الوحيدة التي تحتوي على نظام محاذاة تفضيلات الصوت المباشر الكامل RLHF.
فريق التعليقات التوضيحية العالمي للمتحدثين الأصليين: فريق مخصص متعدد اللغات للتعليقات التوضيحية يضمن صحة البيانات وطبيعتها.

ميزة الهندسة المعمارية: النهاية إلى النهاية هي المستقبل يستخدم

Fish Audio S2 بنية انحدار ذاتي من طرف إلى طرف تعمل على توحيد نمذجة المعلومات الدلالية والصوتية. بالمقارنة مع الأساليب المتتالية التقليدية (النص ← الرموز الدلالية ← الميزات الصوتية ← الشكل الموجي)، فإن النهج الشامل له ثلاث مزايا رئيسية:

تعبير أقوى: النمذجة الدلالية الصوتية المشتركة تلتقط بشكل طبيعي عروضًا أكثر ثراءً وتنوعات عاطفية.
زمن انتقال أقل: لا داعي لانتظار الوحدات المتوسطة - يمكن أن يبدأ فك التشفير من الرمز المميز الأول.
مكبرات صوت أصلية متعددة: تدعم البنية بطبيعتها سيناريوهات المتحدثين المتعددة بدون وحدات نمطية إضافية.

هذا هو أيضًا الاتجاه المعماري الذي اختارته نماذج الجيل التالي مثل Qwen TTS وSESAME. يتمتع Fish Audio بأطول خبرة هندسية وميزة بيانات على هذا المسار. التزام

مفتوح المصدر: S2 سيكون مفتوح المصدر بالكامل

Fish Audio CTO أن S2 سيكون مفتوح المصدر بالكامل. بعد إصدار S1 Mini مفتوح المصدر، يواصل Fish Audio التزامه بالمصدر المفتوح، مما يتيح للمطورين النشر والاختبار والتكامل محليًا. سيكون مجتمع GitHub Stars المكون من 100 ألف+ أول من يختبر إمكانات S2 القوية. حالات الاستخدام

: إطلاق العنان للإمكانيات اللامتناهية لصوت الذكاء الاصطناعي

إنشاء المحتوى

الكتب الصوتية والبودكاست ودبلجة الفيديو وASMR - S2 Pro تقدم تعبيرًا عاطفيًا شبه بشري للمبدعين المحترفين.

AI الصحابة والاجتماعية

توفير أصوات دافئة ومعبرة لتطبيقات الذكاء الاصطناعي الاجتماعية مثل Character.AI، مما يجعل محادثات الذكاء الاصطناعي تبدو حقيقية.

الألعاب والترفيه

حوار الشخصيات غير القابلة للعب، وصوت الشخصيات، وVTubing — دعم المتحدثين المتعددة يضفي الحيوية على عوالم الألعاب.

وكلاء الصوت في الوقت الحقيقي يتناسب زمن الاستجابة المنخفض والاستقرار العالي لـ

S2 Flash بشكل مثالي مع سيناريوهات خدمة العملاء والمبيعات والتعليم.

المحتوى متعدد اللغات

استنساخ الصوت بأكثر من 13 لغة - تدرب مرة واحدة، واستخدمه عبر اللغات لإنشاء محتوى عالمي دون عناء.

S1 مقابل S2: الترقيات في لمحة سريعة ميزة

ميزةS1S2
التحكم في العاطفةعلامات المشاعر الأساسيةوصف المشاعر ذات المجال المفتوح + المشاعر المختلطة
متعدد السماعاتالتركيز على مكبر صوت واحددعم أصلي لالمتحدثين المتعددة
الكمونقياسيزمن الوصول المنخفض للغاية (الهدف 30-50ms)
خط أنابيب البياناتالجيل الأولأعيد بناؤها بالكامل + ASR ذاتي التطوير
بعد التدريبالأساسية RLHFLive RLHF + نموذج المكافأة متعدد الأبعاد
مفتوح المصدرS1 Mini مفتوح المصدرS2 مفتوح المصدر بالكامل
مصفوفة النموذجنموذج واحدPro + Flash الإصدارات المزدوجة

الجدول الزمني للإصدار سيتم إطلاق طراز

10 مارس
2026

Fish Audio S2 رسميًا في 10 مارس 2026. وسيكون كل من S2 Pro وS2 Flash متاحين في وقت واحد عبر الوصول إلى API أو منصة Fish Audio. ستتبع النسخة مفتوحة المصدر بعد وقت قصير من الإطلاق.

روابط ذات صلة