Fish Speech s2-pro

Fish Audio · 该版本 2026-03-09 · tts轨

⚠️ 许可证是 Fish Audio Research License，不是开源许可：研究与非商用免费，商用要单独向 Fish Audio 授权（business@fish.audio）。「权重公开」不等于「可以拿去做产品」。

11 项能力里 4 项支持、0 项不支持、7 项官方没说

逐项能力

预置音色

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 s2-pro未单独记核验日 · 数据截至 2026-10-19机器录入

音色复刻

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 s2-pro未单独记核验日 · 数据截至 2026-10-19机器录入

音色设计

查过、零命中：2026-08-14 全文检索这份模型卡（Fish Speech 只有 1,200 字、Kokoro 6,161 字），没有「音色设计」相关的任何说法。⚠️ 卡片太薄不等于模型做不到 —— 研究/社区仓库不是功能清单，所以不升级成 ❌

情绪与风格控制

行内 `[tag]` 控制，接受自由描述而非固定标签（文档举例 `[whisper in small voice]`、`[professional broadcast tone]`），自称支持 15,000+ 种韵律与情绪标签，可细到词级

Hugging Face · fishaudio/s2-pro 模型卡官方来源核验版本 s2-pro核验于 2026-08-12机器录入

多说话人

查过、零命中：2026-08-14 全文检索这份模型卡（Fish Speech 只有 1,200 字、Kokoro 6,161 字），没有「多说话人」相关的任何说法。⚠️ 卡片太薄不等于模型做不到 —— 研究/社区仓库不是功能清单，所以不升级成 ❌

多语言

模型卡：80+ 种语言，分档标注（一档日/英/中，二档韩/西/葡/阿/俄/法/德）

Hugging Face · fishaudio/s2-pro 模型卡官方来源核验版本 s2-pro核验于 2026-08-12机器录入

流式输出

给的是流式才有意义的指标：首音频时延约 100 毫秒、实时率 0.195（H200）、吞吐 3,000+ 声学 token/秒。⚠️ 模型卡没有明写「支持流式接口」，这一格是从这三个指标推的

Hugging Face · fishaudio/s2-pro 模型卡官方来源核验版本 s2-pro核验于 2026-08-12机器录入

长文本异步

查过、零命中：2026-08-14 全文检索这份模型卡（Fish Speech 只有 1,200 字、Kokoro 6,161 字），没有「长文本异步」相关的任何说法。⚠️ 卡片太薄不等于模型做不到 —— 研究/社区仓库不是功能清单，所以不升级成 ❌

时间戳字幕

查过、零命中：2026-08-14 全文检索这份模型卡（Fish Speech 只有 1,200 字、Kokoro 6,161 字），没有「时间戳字幕」相关的任何说法。⚠️ 卡片太薄不等于模型做不到 —— 研究/社区仓库不是功能清单，所以不升级成 ❌

格式与采样率

无来源 —— 这一格是「查了没找到」，不是「我们没查」核验版本 s2-pro未单独记核验日 · 数据截至 2026-10-19机器录入

开源权重

s2-pro 采用 Fish Audio Research License，允许研究与非商业使用。这里核实权重已发布，不沿用 1.5 的 CC-BY-NC-SA 许可名。

Hugging Face · fishaudio/s2-pro 模型卡官方来源核验版本 s2-pro核验于 2026-08-12机器录入