Fish-Speech-1.5

Fish Speech V1.5 是一個領先的開源語音合成（TTS）模型。該模型採用了創新的 DualAR 架構，具有雙自回歸變壓器設計。它支持多種語言，包括英語和中文的訓練數據超過 300,000 小時，以及日語的訓練數據超過 100,000 小時。 在 TTS Arena 獨立評估中，該模型表現非常出色，ELO 得分為 1339。該模型在英語的詞語錯誤率（WER）為 3.5%，字符錯誤率（CER）為 1.2%，以及中文字的字符錯誤率（CER）為 1.3%。