0013. fish-speech tts 体验

• 📂 TNotes.yuque
  • TNotes.yuque.en-notes.0013
• 1. 📝 概述
• 2. 💻 免费方案 - fish-speech tts 体验
• 3. 📒 收费方案评价

1. 📝 概述

• 25.06 在找 tts 解决方案，了解了一些免费和付费的方案。
• 免费方案：
  • tts maker
    • https://ttsmaker.com/
      • 国际
    • https://ttsmaker.cn/
      • 国内
  • github 开源项目，比如：
    • fish-speech - https://github.com/fishaudio/fish-speech
    • TTS - https://github.com/coqui-ai/TTS
• 收费方案：
  • 字节的火山引擎 tts 服务
    • https://www.volcengine.com/product/tts
  • 阿里的阿里云 tts 服务
    • https://ai.aliyun.com/nls/tts

2. 💻 免费方案 - fish-speech tts 体验

• fish-speech - https://github.com/fishaudio/fish-speech
  • 在本地成功部署了，并体验了 openaudio-s1-mini 模型的效果，上传了个人的音频作为克隆样本，就 mini 模型而言，感觉克隆效果还是蛮不错的。
  • 环境准备好之后，以 webui 的形式在本地跑 openaudio-s1-mini 模型。
  • 更大的模型就带不动了，尚未体验过。
• 基本流程：
  • 克隆项目到本地 git clone https://github.com/fishaudio/fish-speech.git
  • 安装依赖
  • 上 Hugging Face 下载 mini 模型相关的文件丢到项目根目录下的 checkpoints/openaudio-s1-mini 下。
    • https://huggingface.co/fishaudio/openaudio-s1-mini/tree/main
    • 
  • 启动 webui python tools/run_webui.py
• 环境：
  • 环境用的是阿里云主机，显卡是 2080 Ti。
  • 
  • 这已经是当前能选择的个人云主机最高配了。
• 速度：
  • 转换速度测试下来是 500 字符，3min 左右。
    • 如果没有 GPU，用 CPU 去跑的话，更慢 ……
    • 在启动 webui 的时候可以通过终端日志看到是否用的是 cpu。
  • 这速度确实接受不了，如果要把当前需要转的几十万字符去转为音频，压根儿就等不了。
  • 当识别的字符数达到 5k 左右的时候，运行出现了异常。
• TNotes.yuque
  • 输出的一些测试音频啥的记录在了 TNotes.yuque 上。
  • 如有需要，可以去预览一下当时上传的克隆测试音频，以及使用 mini 模型转换文本后得到的识别结果。
  • 

3. 📒 收费方案评价

• 以字节的 tts 服务为例：（因为从听感上来看，感觉豆包的语音更好一些）
• https://www.volcengine.com/product/tts
• 
• 最便宜的 10w 字符需要 36 元，就 en-notes.0012 中要转换的字符就 20w↑ 了，单是 QWERTY Learner 的 CET-4 的识别需求估计就得破百了。
• 果断放弃……
• 其他厂家的收费标准也就没必要去细看了，估计都差不太多，要么就是费用接受不了，要么就是音质接受不了。