/ Модель

Характеристики

Контекст
131 072 токена
Размер весов
4,8 ГБ
Лицензия
Своя лицензия
Архитектура
fish_qwen3_omni · dense
Базовая модель
s2-pro
Библиотека
mlx-audio
Опубликована
20 мар 2026

fish-audio-s2-pro-8bit

Синтез речиТекст → аудио3 профессии

MLX-версия модели Fish Audio S2 Pro, разработанная сообществом mlx-community на основе оригинальной модели fishaudio/s2-pro.

2 180скачиваний за 30 дней16лайковвеса обновлены20 мар 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Это система синтеза речи из текста с поддержкой клонирования голоса и тонкого управления просодией и эмоциями при помощи inline-тегов в формате [tag]. Модель обучена более чем на 10 млн часов аудио и поддерживает свыше 80 языков.

Модель использует Dual-Autoregressive архитектуру с примерно 5 млрд параметров: медленный авторегрессионный компонент содержит около 4 млрд параметров, быстрый — около 400 млн. Аудиокодек использует 10 кодовых книг с частотой около 21 Гц. Полная поддержка заявлена для японского, английского и китайского языков; сильная — для корейского, испанского, португальского, арабского, русского, французского и немецкого, а также доступна поддержка десятков других языков. Модель предназначена для генерации естественной речи, озвучивания текста, создания выразительных голосовых сцен и синтеза речи с заданным референсным аудио.

К сильным сторонам относятся широкий языковой охват, управление интонацией, громкостью, тембром, эмоциями и звуковыми эффектами на уровне отдельных фрагментов текста, а также возможность клонирования голоса. В README не указаны подробные ограничения, требования к оборудованию или количественные оценки качества. Модель распространяется по Fish Audio Research License: исследовательское и некоммерческое использование разрешено бесплатно, а коммерческое требует отдельной лицензии от Fish Audio.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

mlx-community/fish-audio-s2-pro-8bit

This model was converted to MLX format from fishaudio/s2-pro using mlx-audio version 0.4.0.

Refer to the original model card for more details on the model.

Model Overview

Fish Audio S2 Pro is a leading text-to-speech model with fine-grained inline control of prosody and emotion. Trained on 10M+ hours of audio data across 80+ languages, it combines reinforcement learning alignment with a Dual-Autoregressive architecture.

Architecture

AttributeValue
Total Parameters5B
Slow AR4B (time-axis, primary semantic codebook)
Fast AR400M (residual codebooks per time step)
Audio Codec10 codebooks @ ~21 Hz frame rate
Tensor TypeBF16

Fine-Grained Inline Control

Localized control over speech generation using [tag] syntax with free-form textual descriptions (15,000+ supported tags):

[whisper in small voice]
[professional broadcast tone]
[pitch up]

Common Tags (15,000+ supported): [pause] [emphasis] [laughing] [inhale] [chuckle] [tsk] [singing] [excited] [volume up] [echo] [angry] [whisper] [screaming] [sad] [shocked] and many more.

Supported Languages

Tier 1 (Full Support): Japanese, English, Chinese Tier 2 (Strong Support): Korean, Spanish, Portuguese, Arabic, Russian, French, German Additional: 70+ more languages

Use with mlx-audio

pip install -U mlx-audio

CLI Example:

python -m mlx_audio.tts.generate --model mlx-community/fish-audio-s2-pro-8bit --text "Hello, this is a test."

Python Example:

from mlx_audio.tts.utils import load_model
from mlx_audio.tts.generate import generate_audio

model = load_model("mlx-community/fish-audio-s2-pro-8bit")
generate_audio(
    model=model,
    text="Hello, this is a test.",
    ref_audio="path_to_audio.wav",
    file_prefix="test_audio",
)

Citation

@misc{liao2026fishaudios2technical,
      title={Fish Audio S2 Technical Report},
      author={Shijia Liao and Yuxuan Wang and Songting Liu and Yifan Cheng and Ruoyi Zhang and Tianyu Li and Shidong Li and Yisheng Zheng and Xingwei Liu and Qingzheng Wang and Zhizhuo Zhou and Jiahua Liu and Xin Chen and Dawei Han},
      year={2026},
      eprint={2603.08823},
      archivePrefix={arXiv},
      primaryClass={cs.SD},
      url={https://arxiv.org/abs/2603.08823},
}

License

This model is released under the Fish Audio Research License:

  • Research use: Free
  • Non-commercial use: Free
  • Commercial use: Requires separate license from Fish Audio (contact: business@fish.audio)

See the original model for full license details.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · mlx-audio

Нельзя запустить

MLX-модели работают только на Apple Silicon, на GPU NVIDIA они не запускаются.

Ревизия весов
c8d4481

0 моделей