Fish Audio

Fish Audio 是面向创作者和开发者的 AI 语音平台，提供情绪控制、多说话人 TTS、声音克隆、Voice Design、语音代理和实时 API。选型时最重要的不是试听哪种声音最像真人，而是先确认声音从哪里来、谁授权、模型是否公开。

三种声音来源

克隆前必须取得许可

Fish Audio 官方最佳实践明确要求，只克隆本人、获得书面许可的人或已有授权的声音；不得从网络抓取语音，也不得克隆名人和公众人物。合作时应写清可生成内容、渠道、地区、期限、模型可见性和撤回流程。

录音质量决定可用性

普通快速克隆可用短样本建立方向，但要减少机械感，应录制更长的干净人声。房间保持安静，只保留一个说话者，关闭电视和背景音乐，麦克风距离稳定；样本中包含的噪声、混响和口头习惯会一起进入模型。

模型可见性怎么选

开发文档将音色分为 public、unlist 和 private。Public 会出现在发现页，Unlist 可通过链接访问，Private 仅创建者可见。客户、员工和未发布角色默认不应公开；共享链接也可能继续传播，不能把 Unlist 当严格保密。

用情绪和多人标签组织脚本

1. 按说话者拆分台词，标记情绪、停顿与重读。
2. 先生成 20–30 秒样段，确认音色、语速和专有名词。
3. 长文按章节生成，并保持同一模型和参数。
4. 合并后统一响度、呼吸、背景音乐和字幕时间轴。

套餐区分什么

当前计划按生成分钟、公共或私有音色槽位、专业克隆、Voice Design、队列和商业使用区分。免费计划适合个人试用；需要 YouTube 变现、客户配音或商业应用时，应使用明确允许商业用途的付费方案并保存账单。

授权记录：书面同意应关联录音提供者、样本文件哈希、允许用途、有效期和撤回联系人。生成成片再记录模型 ID 与发布渠道；这样发生争议时能说明声音从何而来，也能定位需要下架的具体项目，而不是删除全部无法追踪的文件。

API 上线前的治理

实时语音或代理接入需保护 API Key，限制文本长度和并发，记录模型 ID、请求时间与失败原因，并防止用户选择未授权公共音色。语音模型属于敏感数字资产，团队成员离开、配音演员撤回或项目结束时，应及时关闭访问并处理留存数据。