Fish Speech 1.5完整指南：从镜像市场选择→实例部署→HTTP访问→生成下载
1. Fish Speech 1.5 简介
Fish Speech 1.5是由Fish Audio开源的新一代文本转语音(TTS)模型，基于LLaMA架构与VQGAN声码器，支持零样本语音合成。这个模型的最大特点是只需要10-30秒的参考音频，就能克隆任意音色并生成包括中文、英文、日文、韩文等13种语言的高质量语音，完全不需要针对特定说话人进行微调训练。
与传统TTS模型不同，Fish Speech 1.5摒弃了对音素的依赖，具备出色的跨语言泛化能力。根据官方测试数据，5分钟英文文本的合成错误率低至2%，语音自然度接近真人水平。
2. 镜像部署与启动
2.1 镜像基本信息
- 镜像名称：ins-fish-speech-1.5-v1
- 适用底座：insbase-cuda124-pt250-dual-v7
- 启动命令：
bash /root/start_fish_speech.sh - 访问端口：
- 7860端口：WebUI界面
- 7861端口：API接口(内部使用)
2.2 部署步骤
- 选择镜像：在平台镜像市场中搜索并选择"fish-speech-1.5-v1"镜像
- 创建实例：点击"部署实例"按钮，等待实例状态变为"已启动"
- 等待初始化：首次启动需要60-90秒完成CUDA Kernel编译
可以通过以下命令查看启动日志：
tail -f /root/fish_speech.log当看到"后端API已就绪"和"Running on http://0.0.0.0:7860"的日志输出时，表示服务已准备就绪。
3. 使用Web界面生成语音
3.1 访问WebUI
在实例列表中找到部署好的实例，点击"HTTP"入口按钮，或者直接在浏览器地址栏输入：
http://<实例IP>:78603.2 生成语音步骤
- 输入文本：在左侧文本框中输入要合成的文字内容
- 调整参数（可选）：
- 最大长度：控制生成语音的时长（默认1024 tokens）
- 生成语音：点击"🎵 生成语音"按钮
- 试听与下载：
- 使用内置播放器试听效果
- 点击" 下载WAV文件"保存到本地
3.3 API调用示例
对于开发者，可以直接通过API进行调用：
curl -X POST http://127.0.0.1:7861/v1/tts \ -H "Content-Type: application/json" \ -d '{"text":"API测试","reference_id":null}' \ --output api_test.wav4. 技术细节与配置
4.1 系统架构
Fish Speech 1.5采用双服务架构：
- 前端服务：基于Gradio 6.2.0开发，运行在7860端口
- 后端服务：基于FastAPI开发，运行在7861端口
前端通过HTTP请求调用后端API完成语音合成功能。
4.2 模型规格
| 项目 | 详情 |
|---|---|
| 模型大小 | 1.2GB(LLaMA)+180MB(VQGAN) |
| 支持语言 | 13种语言(中/英/日/韩等) |
| 音频输出 | 24kHz采样率，单声道WAV格式 |
| 显存占用 | 4-6GB |
| API端点 | POST /v1/tts |
5. 应用场景与最佳实践
5.1 典型使用场景
- 语音交互系统：为聊天机器人、智能客服提供自然语音输出
- 内容创作：将文章、电子书转换为有声内容
- 多语言应用：实现跨语言的语音内容生成
- 教育演示：展示TTS技术原理与实际效果
5.2 使用建议
- 对于长文本，建议分段处理(每段不超过1024 tokens)
- 音色克隆功能需要通过API调用实现
- 首次使用请预留足够的初始化时间(60-90秒)
6. 常见问题排查
6.1 服务启动问题
如果WebUI无法访问：
- 检查端口是否就绪：
lsof -i :7860 - 查看完整日志：
tail -50 /root/fish_speech.log
6.2 语音生成问题
如果生成的音频有问题：
- 检查输入文本长度是否超过限制
- 确认显存是否足够(≥6GB)
- 尝试调整temperature参数(默认0.7)
7. 总结
Fish Speech 1.5是一款功能强大且易于使用的文本转语音工具，通过本指南您已经学会了从部署到使用的完整流程。无论是通过直观的Web界面还是灵活的API接口，都能快速生成高质量的语音内容。
对于开发者来说，双服务架构设计既方便快速测试，也支持系统集成。虽然存在首次启动耗时较长等小缺点，但其出色的语音质量和跨语言能力使其成为TTS领域的优秀选择。
获取更多AI镜像
想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。
