Fish Audio发布S2.1 Pro语音模型并获5200万美元融资
Fish Audio正式发布了面向生产环境的语音克隆模型S2.1 Pro，并宣布完成5200万美元的种子轮融资。该模型主打实时对话与情绪表达，仅需极少量的音频样本即可完成高保真声音克隆，并在生成速度与成本上对竞品发起了直接挑战。
已确认
- 融资与发布：Fish Audio官方宣布完成5200万美元种子轮融资，并同步公开发布S2.1 Pro语音模型。据@davidyin44转述，公司累计用户已超800万，年经常性收入（ARR）达到2100万美元。
- 克隆门槛：根据多位博主的转述，该模型仅需5到15秒的音频样本即可克隆声音，并能保留原说话人的语调、节奏、情绪和口音。
- 性能指标：官方披露S2.1 Pro的首音延迟约为90ms，足以支撑流畅的实时语音对话；模型支持覆盖83种语言，且允许通过类似[whispers sweetly]的标签进行实时情绪与风格控制，并支持发音和停顿的词级控制。
- 限时免费：据@rohanpaulai补充，该模型目前正限时免费开放一个月。
- 竞品对比：Fish Audio官方宣称，S2.1 Pro的生成速度是Cartesia的2倍，而使用成本仅为ElevenLabs的六分之一。
为什么重要
- 降低开发门槛：秒级别的克隆样本需求与90ms的超低延迟，大幅降低了实时语音助手、交互式游戏NPC等应用场景的开发和集成门槛。
- 加剧市场竞争：官方直接对标Cartesia与ElevenLabs并在速度和成本上给出具体倍数差异，预示着语音合成（TTS）与语音克隆市场的价格与性能战将进一步升级。
2026-07-29 ~ 2026-07-30 · 11 条相关
一手来源
- Fish Audio 融资 5200 万美元，发布开源语音模型 S2.1 Pro — udmrzn ·
- Fish Audio 融资 5200 万美元，AI 语音模型年收入达 2100 万 — davidyin44 ·
- Fish Audio 语音模型 S2.1 Pro 限时全免，成本仅竞品六分之一 — rohanpaul_ai ·
- Fish Audio 推出 5 秒克隆声音模型，称价格仅为 ElevenLabs 的六分之一 — JafarNajafov · 2026-07-29
- Fish Audio 说 S2.1 Pro 可在 90ms 内起声，覆盖 83 种语言 — testingcatalog · 2026-07-29
- Fish Audio 语音克隆只需 10 秒样本 — aryanXmahajan · 2026-07-29
- Fish Audio获5200万美元融资，推出S2.1 Pro语音克隆模型 — thisdudelikesAI · 2026-07-29
- 【源头】Fish Audio 融资 5200 万美元，AI 语音模型年收入达 2100 万 — davidyin44 · 2026-07-29
- Fish Audio 成立一年发布 S2.1 Pro 语音模型 — JafarNajafov · 2026-07-29
- 【源头】Fish Audio 语音模型 S2.1 Pro 限时全免，成本仅竞品六分之一 — rohanpaul_ai · 2026-07-30
另有 4 条近重复转述:testingcatalog · LinusEkenstam · thisdudelikesAI · udmrzn