Fish-Speech-1.5

Fish Speech V1.5 是一個領先的開源文本轉語音系統 (TTS) 模型。該模型採用創新的 DualAR 架構，具有雙自迴歸轉換器設計。它支持多種語言，擁有超過 300,000 小時的英文和中文訓練數據，以及超過 100,000 小時的日文數據。在 TTS Arena 的獨立評估中，該模型表現出色，獲得了 1339 的 ELO 分數。該模型實現了單詞錯誤率 (WER) 3.5% 和英文的字符錯誤率 (CER) 1.2%，中文字符的 CER 為 1.3%。