手把手教你用Fish Speech 1.5：从部署到生成，小白也能轻松搞定

手把手教你用Fish Speech 1.5：从部署到生成，小白也能轻松搞定

1. Fish Speech 1.5是什么？

Fish Speech 1.5是由Fish Audio开源的新一代文本转语音(TTS)模型，它基于LLaMA架构与VQGAN声码器，能够生成高质量的语音。这个模型最厉害的地方在于：

• 零样本语音克隆：只需要10-30秒的参考音频，就能克隆任意音色
• 多语言支持：支持中文、英文、日文、韩文等13种语言
• 高质量输出：5分钟英文文本的错误率低至2%
• 无需微调：直接使用，不需要针对特定说话人进行训练

想象一下，你可以让AI用你朋友的声音说任何话，或者为你的视频配上不同语言的旁白，这就是Fish Speech 1.5能帮你实现的。

2. 快速部署：5分钟搞定

2.1 选择并启动镜像

首先，在镜像市场找到"fish-speech-1.5（内置模型版）v1"这个镜像，点击"部署实例"。系统会自动为你创建一个运行环境，这个过程大约需要1-2分钟。

2.2 检查服务状态

部署完成后，我们需要确认服务是否正常运行。点击实例的"终端"按钮，输入以下命令查看日志：

tail -f /root/fish_speech.log

当你看到类似这样的输出时，说明服务已经准备好了：

后端 API 已就绪 → 启动前端 WebUI → Running on http://0.0.0.0:7860

2.3 访问Web界面

在实例列表中找到你的实例，点击"HTTP"按钮（或者直接在浏览器地址栏输入http://<你的实例IP>:7860），就能打开Fish Speech的交互页面了。

3. 第一次语音生成体验

3.1 输入你的第一段文字

在Web界面的左侧，你会看到一个文本框，在这里输入你想让AI说的话。比如：

你好，这是Fish Speech 1.5生成的第一个语音测试。

3.2 调整参数（可选）

如果你想要更长的语音，可以拖动"最大长度"滑块。默认是1024 tokens，大约能生成20-30秒的语音。

3.3 生成并试听

点击大大的"🎵 生成语音"按钮，等待2-5秒，状态栏会显示"✅ 生成成功"。然后在右侧，你会看到：

1. 一个音频播放器 - 点击就能听到AI生成的声音
2. 下载按钮 - 可以把生成的WAV文件保存到本地

4. 进阶使用技巧

4.1 控制语音效果

Fish Speech 1.5对文本中的标点符号非常敏感，你可以通过标点来控制语音的节奏：

• 逗号(，)：短暂停顿（约0.3秒）
• 句号(。)：明显停顿（约0.6秒）
• 破折号(——)：较长停顿+语气转折
• 省略号(……)：拖长音+悬疑感

试试这段文字：

这款产品——我们开发了整整两年……它到底有多好？你马上就会知道！

4.2 中英混合输入

Fish Speech 1.5能自动识别中英文混合的文本，比如：

我们的API支持HTTP和WebSocket两种协议。

它会用标准英语发音读出"HTTP"和"WebSocket"，而中文部分保持自然语调。

4.3 使用API批量生成

如果你需要生成大量语音，可以使用内置的API。打开终端，输入：

curl -X POST http://127.0.0.1:7861/v1/tts \ -H "Content-Type: application/json" \ -d '{"text":"API测试","reference_id":null}' \ --output api_test.wav

这会生成一个名为api_test.wav的语音文件。

5. 常见问题解决

5.1 WebUI无法访问

如果页面打不开，可能是服务还在初始化。首次启动需要60-90秒完成CUDA编译，请耐心等待。你可以通过查看日志确认进度：

tail -f /root/fish_speech.log

5.2 生成的音频没有声音

如果生成的WAV文件很小（小于10KB），可能是生成失败了。尝试：

1. 缩短文本长度
2. 增大max_tokens参数
3. 重新生成

5.3 音色克隆不起作用

目前WebUI版本不支持音色克隆功能。如果需要这个功能，必须通过API传入reference_audio参数。

6. 实际应用场景

Fish Speech 1.5可以用于：

1. 有声内容创作：把文章、剧本批量转换成语音
2. 语音助手：为聊天机器人、智能硬件添加语音功能
3. 多语言内容：中文内容生成英文语音，反之亦然
4. 教育工具：语言学习、课文朗读
5. 游戏开发：为游戏角色生成对话语音

7. 总结

通过这篇教程，你已经学会了：

1. 如何快速部署Fish Speech 1.5镜像
2. 使用Web界面生成第一段语音
3. 通过标点控制语音效果
4. 使用API进行批量生成
5. 解决常见问题

现在，你可以开始探索Fish Speech 1.5的更多可能性了。无论是为你的项目添加语音功能，还是创作有趣的内容，这个强大的工具都能帮到你。

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。