Kitta AI est exploité indépendamment par wuwei et n’est pas le service officiel de Fish Audio. Fish Audio
Lancement de Fish Audio S2 : la voix IA entre dans l’ère 2.0
Résumé des capacités de Fish Audio S2 et de ses usages en production.
Fish Audio lance le tout nouveau modèle S2, un bond en avant majeur par rapport au S1. S2 réalise des percées en matière de contrôle des émotions, de prise en charge de plusieurs locuteurs et d'optimisation de la latence, marquant l'arrivée officielle d'AI Voice 2.0.
Pourquoi S2 ? Le prochain pas en avant dans la voix IA
Au cours de l'année écoulée, le modèle S1 a fait de Fish Audio l'une des plates-formes vocales IA les plus utilisées, servant désormais plus d'un million d'utilisateurs avec plus d'un million de modèles vocaux créés par les utilisateurs. En tant que l'un des premiers modèles TTS dotés d'un contrôle des émotions en langage naturel, le S1 a prouvé le potentiel de la modélisation vocale de bout en bout.
Mais S1 n'était qu'un début. L’industrie entre dans l’ère AI Voice 2.0 – évoluant des voix traditionnelles de diffusion mot à mot vers des voix d’IA interactives et émotionnellement authentiques avec une âme. S2 est le véhicule principal de cette transformation.
S2 Core Upgrades : des avancées en trois dimensions
Contrôle raffiné des émotions
S2 permet d'annoter les émotions en domaine ouvert, du simple « heureux » ou « triste » aux émotions mixtes complexes telles que « en colère avec une tristesse sous-jacente ». Ceci est alimenté par le modèle ASR d'annotation d'émotions de pointe, développé par Fish Audio, permettant aux données de pré-entraînement de porter naturellement des étiquettes d'émotion précises.
Prise en charge native de plusieurs locuteurs L'architecture du
S2 prend en charge de manière native les scénarios multi-enceintes avec des balises d'enceintes précises pour chaque segment. Qu'il s'agisse de podcasts multi-hôtes, de dialogues de livres audio ou de conversations de PNJ dans le jeu, les transitions naturelles entre plusieurs personnages sont fluides.
Latence ultra-faible
Grâce à l'architecture de bout en bout, S2 peut théoriquement commencer le décodage audio après la génération du premier jeton. Fish Audio a également annoncé un nouveau modèle qui élimine complètement le Vocoder, permettant une modélisation complète de bout en bout du texte à la forme d'onde avec des objectifs de latence de 30 à 50 millisecondes. Matrice de modèle
S2 : adaptée à chaque scénario
Fish Audio ne poursuit pas un seul grand modèle. Au lieu de cela, Fish Audio crée une matrice de modèle pour différents scénarios commerciaux :
Le modèle phare de génération de contenu, conçu pour les scénarios exigeant une qualité vocale ultime et une expressivité émotionnelle. Idéal pour les livres audio, les podcasts, le doublage de films et la création de contenu ASMR, atteignant de nouveaux sommets en termes de naturel et d'expressivité.
Un modèle d'entreprise à paramètres 4B optimisé pour les scénarios conversationnels en temps réel. Avec une latence plus faible et une stabilité plus élevée, c'est le choix idéal pour les applications compagnons d'IA, les agents vocaux en temps réel, les robots de vente et les plateformes éducatives.
Percée technique : une révolution basée sur les données Les principales améliorations de
S2 ne proviennent pas de modifications de l'architecture du modèle, mais d'une reconstruction complète du pipeline de données. Fish Audio a construit un système de traitement de données de pointe :
Avantage de l'architecture : le bout en bout est l'avenir
Fish Audio S2 utilise une architecture autorégressive de bout en bout qui unifie la modélisation des informations sémantiques et acoustiques. Par rapport aux approches traditionnelles en cascade (texte → jetons sémantiques → caractéristiques acoustiques → forme d'onde), l'approche de bout en bout présente trois avantages clés :
C'est également l'orientation architecturale choisie par les modèles de nouvelle génération comme Qwen TTS et SESAME. Fish Audio possède la plus longue expérience en ingénierie et l'avantage en matière de données sur cette voie. Engagement Open Source de
: S2 sera entièrement open source
Fish Audio Le CTO a confirmé que S2 sera entièrement open source. Suite à la version open source S1 Mini, Fish Audio poursuit son engagement envers l'open source, permettant aux développeurs de déployer, tester et intégrer localement. La communauté de plus de 100 000 GitHub Stars sera la première à découvrir les puissantes capacités de S2. Cas d'utilisation
: libérer les possibilités infinies de la voix IA
Création de contenu
Livres audio, podcasts, doublage vidéo, ASMR — S2 Pro offre une expression émotionnelle quasi humaine aux créateurs professionnels.
Compagnons IA et réseaux sociaux
Proposez des voix chaleureuses et expressives aux applications sociales d'IA telles que Character.AI, donnant ainsi l'impression que les conversations basées sur l'IA sont réelles.
Jeux et divertissements
Dialogues PNJ, voix des personnages, VTubing — la prise en charge de plusieurs locuteurs donne vie aux mondes du jeu.
Agents vocaux en temps réel La faible latence et la haute stabilité du
S2 Flash conviennent parfaitement aux scénarios de service client, de vente et d'éducation.
Contenu multilingue
Clonage vocal dans plus de 13 langues : entraînez-vous une fois, utilisez dans plusieurs langues pour une création de contenu globale sans effort.
S1 vs S2 : mises à niveau en un coup d'œil
| Fonctionnalité | S1 | S2 |
|---|---|---|
| Contrôle des émotions | Balises d'émotion de base | Description des émotions en domaine ouvert + émotions mixtes |
| Multi-enceintes | Mise au point sur un seul locuteur | Prise en charge native de plusieurs locuteurs |
| Latence | Norme | Latence ultra-faible (cible 30-50ms) |
| Pipeline de données | 1ère génération | Entièrement reconstruit + auto-développé ASR |
| Post-formation | De base RLHF | Live RLHF + modèle de récompense multidimensionnel |
| Open Source | S1 Mini open source | S2 entièrement open source |
| Matrice de modèle | Modèle unique | Pro + Flash double versions |
Chronologie de sortie Le modèle
Fish Audio S2 sera officiellement lancé le 10 mars 2026. Les S2 Pro et S2 Flash seront disponibles simultanément via l'accès API ou la plateforme Fish Audio. La version open source suivra peu de temps après le lancement.