资料修改2026-09尚无逐条事实核验记录；修改日期不代表已验证

TOOLBOX / 本地部署 · 语音

本文仍包含未全面复核的历史资料；安装、许可、费用与当前权限请回到官方确认。查看已核信息范围

Fish Speech / Fish Audio

开源多语言 TTS + 强克隆（海量语料训练）：支持情感标签、流式合成，多语言音色表现强。 仓库：https://github.com/fishaudio/fish-speech

硬件门槛（12 GB 显存视角）

• 推理推荐 12 GB+，最低可到 8 GB；更大参数版本（S2-Pro）需求更高。

Windows 安装

• 推荐 WSL 或 Docker——Linux 环境是官方主路线。
• Windows 原生可跑但编译依赖多，属进阶操作。

权重下载

Hugging Face（见 HF 镜像指南）。

⚠️ 避坑：①Windows 原生支持弱是它和 CosyVoice / GPT-SoVITS 相比的主要短板—— 只用 Windows 且不想折腾 WSL 的话，后两者的整合包体验更好； ②显存越宽裕越稳，8 GB 起步时避开长文本一次性合成。