跳到正文

Fish Agent V0.1 3B

不使用语义标记的语音转语音模型

访问官网

Fish Agent V0.1 3B 是什么

Fish Agent V0.1 3B 被介绍为一个不使用语义标记的语音转语音与文本转语音模型,由 Qwen-2.5-3B-Instruct 继续预训练而来。

你可以用它做什么

  • 高精度捕捉并再现环境音频信息
  • 在 8 种语言上完成语音任务
  • 使用无语义标记架构省去编码器与解码器
  • 借助 700,000 小时多语言音频训练数据

上手流程

  • 在 Hugging Face 网站搜索该模型
  • 查看模型详情页了解基本信息
  • 按 GitHub 仓库指南设置环境并安装依赖
  • 下载模型文件并按文档配置

优点与缺点

✓ 我们认可的地方

  • 无需传统语义编码器或解码器
  • 其他语言各约有 20,000 小时训练数据

! 需要留意的地方

  • 按 BY-CC-NC-SA-4.0 许可发布,限非商业用途
  • 各语言的训练时长并不相同

常见问题

支持多少种语言?

资料说明支持包括英语、中文在内的 8 种语言。

使用什么许可?

资料说明模型及相关代码采用 BY-CC-NC-SA-4.0 许可。

最后评测: 2026-11-15

更多 AI 音频工具 工具

查看全部 →

评测方法