Fish Audio 开源 Drama 3：单段支持 16 人分饰与局部音频修改
Fish Audio 开源新一代语音大模型 Drama 3。该模型采用 35B 参数的 MoE 文本骨干，单段文本最多可容纳 16 个不同角色，并支持通过标签控制叹气等情绪。改词时无需整段重录，可直接顺着上下文局部替换。
Fish Audio
Fish Audio 获 5200 万美元种子轮：发布 S2.1 Pro，成本仅 ElevenLabs 六分之一
Fish Audio 宣布完成 5200 万美元种子轮融资，并公开发布语音克隆模型 S2.1 Pro。该模型仅需 5 秒音频即可克隆声音，速度是 Cartesia 的 2 倍，成本仅 ElevenLabs 的六分之一，且支持词级情感与节奏控制。HeyGen 等企业已接入生产环境。
Fish Audio 旗舰语音模型 S2.1 Pro 免费开放：支持 83 种语言且不限用量
Fish Audio 宣布将旗舰文本转语音模型 S2.1 Pro 免费开放给开发者。该模型支持 83 种语言，最吸引人的是完全没有调用量限制。这意味着开发者无需承担高昂的语音 API 成本，就能直接在多语言项目里接入高质量配音能力。
Fish Audio 开源 TTS 模型 S2：台词内直接写标签，实现词级语音控制
Fish Audio 发布第二代开源语音模型 Fish Audio S2。它支持在台词中任意插入自然语言标签实现词级语气控制，首包延迟仅 100 毫秒，支持约 80 种语言。模型权重与微调代码已在 GitHub 和 HuggingFace 开源。
Fish Audio 上线 S1 语音模型：比 ElevenLabs 便宜 6 倍
Fish Audio 正式上线文本转语音模型 S1，宣称是市面上最自然生动的 TTS 模型。其价格比 ElevenLabs 便宜 6 倍，目前已有 2 万名活跃开发者，年经常性收入达到 500 万美元，并开放免费克隆声音。