Fish Speech
fishaudio/fish-speechRevisado por IA
Verificado pelo RepoPicks Radar em
O que é Fish Speech?
O Fish Speech lê o texto em voz alta com a voz que você fornecer: de 10 a 30 segundos de áudio de amostra bastam para copiar um timbre, marcações no texto como [whisper] ou [angry] guiam a emoção, um mesmo roteiro pode ter vários personagens, e o modelo mais novo consegue substituir uma única palavra em uma gravação já feita. Você mesmo executa tudo pela linha de comando, por uma página web ou por um servidor de API, com Python ou Docker e uma placa de vídeo NVIDIA. A licença não é uma licença de código aberto comum: gratuita para uso pessoal e de pesquisa, limitada para uso comercial.
Quão fácil é instalar Fish Speech?
D · terminal, várias ferramentas ou placa específica · Windows
- Windows D
- Linux D
O Linux é o caminho mais bem suportado e ainda assim fica em D: não há instalador, você configura Python ou Docker, baixa os pesos do modelo por conta própria e inicia um servidor ou página web pelo terminal, com uma placa de vídeo NVIDIA (AMD só pelo arquivo compose separado do ROCm). O Windows segue os mesmos passos documentados com os mesmos requisitos, então não fica mais fácil.
Em breve: instale com 1 clique pelo app RepoPicks.
Fish Speech no GitHub
- Estrelas
- 33.665em 10 de nov. de 2026
- Downloads
- —todas as versões
- Crescimento
- +84estrelas em 6 dias
Estrelas ao longo do tempo
Fatos
- Roda em
- Windows, Linux
- Você precisa instalar
- Python, Docker, Placa NVIDIA
- Para compilar a partir do código
- Python, Docker, Placa NVIDIA
- Espaço em disco
- 950 MB–4,3 GB · estimativa
- Contas ou chaves
- Nenhuma
- Custo
- Freemium · Gratuito para pesquisa, uso pessoal e avaliação. O uso comercial só é permitido enquanto sua receita anual for menor que USD 500.000; acima disso, e para qualquer serviço que deixe outras pessoas gerarem vozes, você precisa comprar uma licença por escrito da Fish Audio.
- Licença
- NOASSERTION (Outra)
- Pode substituir
- ElevenLabs, Descript, Fish Audio
- Última mudança no GitHub
- 29 de out. de 2026
Sinais de risco de Fish Speech (5)
- Atençãoa licença não é de código aberto
O GitHub não mostra nenhuma licença reconhecida e o arquivo LICENSE é o "FISH AUDIO COMMUNITY LICENSE AGREEMENT": o uso comercial é permitido "only while Your Annual Revenue is less than USD 500,000", "no license is granted under this Agreement to offer a Hosted Service", e a licença é "revocable". O README acrescenta: "We will take action against any violation of the license."
revisão por IA
- Atençãopesos do modelo com licença mais restrita
Aviso de licença do README: "The S2-Pro weights remain under the Fish Audio Research License", uma licença diferente e mais restrita do que a que cobre o código, então o modelo principal mais antigo pode não poder ser usado para negócios de forma alguma.
revisão por IA
- Atençãoa clonagem de voz pode ser usada de forma indevida
README: "Rapid voice cloning: 10-30 seconds of reference audio is enough to reproduce a timbre" e "Multilingual voice cloning". Copiar a voz de alguém sem permissão pode infringir regras de personificação, publicidade ou direitos autorais; o próprio aviso do README diz: "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."
revisão por IA
- Infohardware pesado para o modelo novo
A tabela de modelos lista o Drama 3 como "35B-A3B (3B active per token)" e os comentários do compose.yml dizem "e.g. cuda:0 to keep Drama 3 on one GPU; unset uses up to four", então o modelo principal é dimensionado para várias placas de vídeo. O S2-Pro (4B) é o que é descrito como pequeno o bastante para uma GPU de consumidor.
revisão por IA
- Infoa versão mais nova é uma beta
O lançamento mais recente é o v3.0.0-beta (2026-10-13) e o anterior o v2.0.0-beta; o último lançamento sem a marca beta é o v1.5.1, de 2025-05-31.
revisão por IA
As evidências aparecem no idioma original.
O que o Radar não conseguiu verificar em Fish Speech
- Quanto espaço em disco e memória de vídeo os pesos realmente ocupam: um modelo de 35 bilhões de parâmetros é muito maior do que a estimativa de 0,95 a 4,45 GB das checagens, que cobre só o código e suas dependências.
- Se roda em uma velocidade utilizável numa placa de vídeo doméstica comum, já que os números de velocidade divulgados vêm de uma placa de servidor H200.
- Se as instruções para Windows funcionam tão bem quanto as de Linux e Docker.
- O quanto as vozes clonadas e as notas de benchmark se parecem com o que você obtém com suas próprias gravações.
- Se o seu uso pretendido cabe dentro dos limites gratuitos da licença; isso é uma questão jurídica sobre sua própria receita e serviço.