Fish Speech 1.5镜像使用指南：WebUI交互与API调用完整教程
Fish Speech 1.5镜像使用指南：WebUI交互与API调用完整教程
1. 快速部署与启动
1.1 镜像部署步骤
- 选择镜像：在平台镜像市场搜索并选择
ins-fish-speech-1.5-v1镜像 - 配置实例：建议选择至少6GB显存的GPU实例
- 启动实例：点击"部署实例"按钮，等待状态变为"已启动"
首次启动需要约1-2分钟完成初始化，系统会自动进行CUDA Kernel编译。您可以通过以下命令查看启动进度：
tail -f /root/fish_speech.log当看到以下日志时表示服务已就绪：
后端 API 已就绪 → 启动前端 WebUI → Running on http://0.0.0.0:78601.2 访问Web界面
服务启动后，您可以通过两种方式访问WebUI：
- 平台入口：在实例列表中找到对应实例，点击"HTTP"入口按钮
- 直接访问：浏览器输入
http://<实例IP>:7860
2. WebUI交互指南
2.1 基础语音合成
- 输入文本：在左侧文本框中输入要合成的文字（支持中英文）
- 示例：
你好，欢迎使用Fish Speech语音合成系统
- 示例：
- 调整参数（可选）：
- 最大长度：控制生成语音时长（默认1024 tokens，约20-30秒）
- 温度参数：影响语音自然度（默认0.7）
- 生成语音：点击"🎵 生成语音"按钮
- 试听与下载：右侧区域可播放生成的音频或下载WAV文件
2.2 高级功能使用
2.2.1 多语言混合输入
模型支持在同一段文本中混合多种语言，例如：
今天天气真好！Hello, how are you? こんにちは系统会自动识别语言并采用对应的发音规则。
2.2.2 情感标记
通过在文本中添加特定标记控制语音情感：
(开心)：语调上扬，语速加快(严肃)：语速放慢，音量平稳(耳语)：生成轻柔私密的语音效果
示例：
(开心)恭喜您获得大奖！(严肃)请于3日内领取。3. API调用详解
3.1 基础API调用
API服务运行在7861端口，可通过以下curl命令测试：
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.wav3.2 API参数说明
| 参数 | 类型 | 必需 | 说明 |
|---|---|---|---|
text | string | ✅ | 要合成的文本内容 |
language | string | ❌ | 语言代码（默认自动检测） |
reference_audio | string | ❌ | 参考音频路径（用于音色克隆） |
max_new_tokens | int | ❌ | 最大生成token数（默认1024） |
temperature | float | ❌ | 采样温度（0.1-1.0，默认0.7） |
emotion | string | ❌ | 情感类型（happy/angry等） |
3.3 音色克隆API示例
要克隆特定音色，需要准备10-30秒的参考音频，然后调用：
curl -X POST http://127.0.0.1:7861/v1/tts \ -H "Content-Type: application/json" \ -d '{ "text":"这是用我的声音生成的语音", "reference_audio":"/path/to/reference.wav" }' \ --output cloned_voice.wav4. 生产环境部署建议
4.1 性能优化配置
- 启用编译优化：在启动脚本中添加
--compile参数 - 调整batch size：根据GPU显存适当增大batch size
- 精度权衡：修改
config/inference.yaml中的vocoder_precision为fp16
4.2 高可用部署方案
4.2.1 Docker容器化
官方提供Docker支持，构建命令：
docker build -t fish-speech:1.5 . docker run -p 7860:7860 -p 7861:7861 fish-speech:1.54.2.2 Kubernetes部署
示例Deployment配置：
apiVersion: apps/v1 kind: Deployment metadata: name: fish-speech spec: replicas: 2 template: spec: containers: - name: fish-speech image: fish-speech:1.5 ports: - containerPort: 7860 - containerPort: 7861 resources: limits: nvidia.com/gpu: 15. 常见问题排查
5.1 服务启动问题
症状：WebUI无法访问
排查：
lsof -i :7860 # 检查端口是否监听 tail -50 /root/fish_speech.log # 查看日志解决：等待CUDA编译完成（首次启动需60-90秒）
5.2 语音生成问题
症状：生成的音频无声
排查：
- 检查输入文本长度是否超过max_tokens限制
- 确认音频文件大小（正常应>10KB）
解决：
- 缩短文本或增大max_tokens参数
- 重新生成语音
5.3 音色克隆问题
症状：音色克隆效果不理想
排查：
- 确认参考音频质量（清晰、无背景噪音）
- 检查参考音频时长（建议10-30秒）
解决：
- 提供更清晰的参考音频
- 确保参考文本与音频内容匹配
6. 最佳实践总结
参考音频选择：使用安静环境下录制的清晰语音，时长15-30秒最佳
多语言处理：在不同语言间添加空格帮助模型识别语言切换点
标点符号优化：用"(停顿)"替代省略号获得更自然的停顿效果
生产环境建议：
- 对延迟敏感场景启用
--compile优化 - 批量生成时适当增大batch size
- 考虑使用Docker或Kubernetes部署
- 对延迟敏感场景启用
效果提升技巧：
- 对重要数字或专有名词添加语音标记
- 使用情感标记增强语音表现力
- 长文本合理分段处理
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。