Fish Speech V1.5 是一个领先的开源文本到语音（TTS）模型。该模型采用创新的 DualAR 架构，具有双自回归 transformer 设计。它支持多种语言，英语和中文的训练数据超过 300,000 小时，日语超过 100,000 小时。在 TTS Arena 的独立评估中，该模型表现非常出色，ELO 得分为 1339。该模型在英语单词错误率（WER）为 3.5% 和字符错误率（CER）为 1.2%，中文字符错误率（CER）为 1.3% 的评估中表现优异。...