Fish Speech
fishaudio/fish-speechRevisado por IA
Revisado por RepoPicks Radar el
¿Qué es Fish Speech?
Fish Speech lee el texto en voz alta con la voz que le das: de 10 a 30 segundos de audio de muestra bastan para copiar un timbre, etiquetas dentro del texto como [whisper] o [angry] guían la emoción, un mismo guion puede tener varios personajes, y el modelo más nuevo puede reemplazar una sola palabra en una grabación ya hecha. Lo ejecutas tú mismo desde la línea de comandos, una página web o un servidor API, con Python o Docker y una tarjeta gráfica NVIDIA. La licencia no es una licencia de código abierto habitual: gratis para uso personal y de investigación, limitada para uso comercial.
¿Qué tan fácil es instalar Fish Speech?
D · terminal, varias herramientas o tarjeta específica · Windows
- Windows D
- Linux D
Linux es la ruta mejor soportada y aun así es D: no hay instalador, tienes que configurar Python o Docker, descargar tú mismo los pesos del modelo y arrancar un servidor o página web desde la terminal, con una tarjeta gráfica NVIDIA (AMD solo mediante el archivo compose separado de ROCm). Windows sigue los mismos pasos documentados con los mismos requisitos, así que no es más fácil.
Pronto: instala con 1 clic desde la app RepoPicks.
Fish Speech en GitHub
- Estrellas
- 33.665el 10 nov 2026
- Descargas
- —todas las versiones
- Crecimiento
- +84estrellas en 6 días
Estrellas a lo largo del tiempo
Datos
- Funciona en
- Windows, Linux
- Necesitas instalar
- Python, Docker, Tarjeta NVIDIA
- Para compilar desde el código
- Python, Docker, Tarjeta NVIDIA
- Espacio en disco
- 950 MB–4,3 GB · estimación
- Cuentas o claves
- Ninguna
- Costo
- Freemium · Gratis para investigación, uso personal y evaluación. El uso comercial solo está permitido mientras tus ingresos anuales sean menores a USD 500,000; por encima de eso, y para cualquier servicio que permita a otras personas generar voces, debes comprar una licencia escrita a Fish Audio.
- Licencia
- NOASSERTION (Otra)
- Puede reemplazar
- ElevenLabs, Descript, Fish Audio
- Último cambio en GitHub
- 29 oct 2026
Señales de riesgo de Fish Speech (5)
- Atenciónla licencia no es de código abierto
GitHub no muestra ninguna licencia reconocida y el archivo LICENSE es el "FISH AUDIO COMMUNITY LICENSE AGREEMENT": el uso comercial está permitido "only while Your Annual Revenue is less than USD 500,000", "no license is granted under this Agreement to offer a Hosted Service", y la licencia es "revocable". El README agrega: "We will take action against any violation of the license."
revisión con IA
- Atenciónlos pesos del modelo tienen una licencia más estricta
Aviso de licencia del README: "The S2-Pro weights remain under the Fish Audio Research License", una licencia distinta y más restringida que la que cubre el código, así que el modelo insignia más antiguo puede no poder usarse para negocios en absoluto.
revisión con IA
- Atenciónla clonación de voz se puede usar mal
README: "Rapid voice cloning: 10-30 seconds of reference audio is enough to reproduce a timbre" y "Multilingual voice cloning". Copiar la voz de alguien sin permiso puede violar reglas de suplantación, publicidad o derechos de autor; la propia advertencia del README dice: "We do not hold any responsibility for any illegal usage of the codebase. Please refer to your local laws about DMCA and other related laws."
revisión con IA
- Infohardware pesado para el modelo nuevo
La tabla de modelos lista Drama 3 como "35B-A3B (3B active per token)" y los comentarios de compose.yml dicen "e.g. cuda:0 to keep Drama 3 on one GPU; unset uses up to four", así que el modelo insignia está pensado para varias tarjetas gráficas. S2-Pro (4B) es el que se describe como suficientemente pequeño para una GPU de consumo.
revisión con IA
- Infola versión más nueva es una beta
La última versión publicada es v3.0.0-beta (2026-10-13) y la anterior v2.0.0-beta; la última versión sin la marca beta es v1.5.1, del 2025-05-31.
revisión con IA
La evidencia aparece en su idioma original.
Lo que Radar no pudo verificar de Fish Speech
- Cuánto espacio en disco y memoria de video ocupan realmente los pesos: un modelo de 35 mil millones de parámetros es mucho más grande que la estimación de 0,95 a 4,45 GB de las verificaciones, que solo cubre el código y sus dependencias.
- Si funciona a una velocidad utilizable en una tarjeta gráfica doméstica normal, ya que las cifras de velocidad publicadas vienen de una tarjeta de servidor H200.
- Si las instrucciones para Windows funcionan tan bien como las de Linux y Docker.
- Qué tan parecidas son las voces clonadas y los puntajes de referencia a lo que obtienes con tus propias grabaciones.
- Si tu uso previsto cae dentro de los límites gratuitos de la licencia; eso es una pregunta legal sobre tus propios ingresos y servicio.