fish-speech是一个开源文本转语音项目，可以实现文本转语音，同时能够克隆音色，在github获得超过17k⭐。
特征&功能：
- 低样本：输入10-30s的声音样本即可生成高质量TTS输出
- 多语言支持：支持英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语
- 无音素依赖
- 准确率高
- 速度快
- 良好的UI：支持WebUI和基于pyQt的GUI
- 易于部署：支持Linux、Windows和macOS
这里说一下，经过我自己的测试，一段50字左右的文本生成语音大约需要10s（显卡是4060ti）。至于音色克隆的效果，在默认参数下，上传一段10s的参考音频，最终的输出音色与原音色相似度高达80%！！！还可以根据说话人的语气进行参数调整，相似度可进一步增加。
---------------
项目部署
环境：Windows11、Python11
硬件需求：NVIDIA显卡
声明：该部署流程为个人实践并总结的最精简流程，其他部署方式（如使用docker）或在其他操作系统上的部署请自行阅读项目文档。
流程：
0. 获取fish-speech源码（仓库地址 fishaudio/fish-speech）；下载CUDA ToolKit 12.x版本，并安装
1. 运行源码根目录下"install_env.bat"开始安装运行环境
2. 修改根目录下"API_FLAGS.txt"文件来配置启动模式：
①前三行这样是直接进入推理界面：
②前三行这样是进入配置界面（模型微调、推理服务器配置等）：
③前三行这样是启动API模式：
3. 这里直接以第一种方式启动。双击根目录下"start.bat"启动项目，启动过程如遇到cachetools模块缺失的问题，自行下载该python模块并移动到"~\fish-speech-main\fishenv\env\Lib\site-packages\"文件夹下
4. 服务器正常启动后访问127.0.0.1:7860
即可进入推理界面：
部署过程中遇到任何问题请参考官方文档！！
----------------
简易使用教程
输入文本、点击"生成"，默认是随机音色，下面"高级参数"可以调参。
"参考音频"：选择一段10s以内的清晰人声音频，在"参考文本"中输入该音频对应的语音文本，点击生成。
好用！
感谢各位贡献者无私的付出