Fish Audio（鱼声）+ Python：零门槛用自己声音合成任何文本

🎯 读完这篇，你就能——上传一段 30 秒录音，让 AI 用你的声音朗读任何文字！

一、🤔 这是什么神仙项目？

👉一句话总结：

• 🏠开源地址：https://github.com/fishaudio/fish-speech
• 📖官方文档：https://docs.fish.audio
• 🌐在线体验：https://fish.audio

🌟 核心亮点速览

二、⚡ 3 分钟极速上手（API 方案 · 零显卡）

🚫🧠 不需要显卡！不需要训练！有网就能跑！

🪜 Step 1：获取 API Key 🔑

1. 🌐 打开 Fish Audio 官网 注册/登录
2. ⚙️ 进入 用户设置 → API Keys
3. 🆕 点击New API Key，复制密钥（形如sk-xxxxxxxx）
   

🎁免费额度：每月7 分钟高质量语音 +8000 积分，够你玩到吐！

📦 Step 2：安装依赖

pip install requests gradio # 就这两个，没了

🚀 Step 3：跑通第一个 Demo（这个要充值）

把下面代码保存为tts_demo.py，替换YOUR_API_KEY，运行即可：

import requests API_KEY = "YOUR_API_KEY" TEXT = "你好，欢迎使用 Fish Audio，这是我的声音克隆效果。" # ✏️ 改这里 REFERENCE_AUDIO = "my_voice.wav" # 🎤 改成你的录音文件路径 OUTPUT_AUDIO = "output.mp3" # 💾 输出文件名 url = "https://api.fish.audio/v1/tts" headers = {"Authorization": f"Bearer {API_KEY}"} with open(REFERENCE_AUDIO, "rb") as f: files = {"reference_audio": (REFERENCE_AUDIO, f, "audio/wav")} data = { "text": TEXT, "reference_text": "", # 录音对应的文本，不知道可留空 "model": "fish-speech-1.5", "format": "mp3" } response = requests.post(url, headers=headers, files=files, data=data) if response.status_code == 200: with open(OUTPUT_AUDIO, "wb") as out: out.write(response.content) print(f"✅ 合成成功！音频已保存为 {OUTPUT_AUDIO}") else: print(f"❌ 请求失败：{response.status_code}\n{response.text}") python tts_demo.py

意思是余额不足，要充值

🎉 打开output.mp3——恭喜，你已经成功克隆了自己的声音！

三、🖥️ Python 图形界面——点点鼠标就能用！

🎨 基于 Gradio 的 Web 界面，上传录音 → 输入文字 → 一键合成 → 在线播放 & 下载！

🎛️ 界面功能

• 📁 拖拽上传你的录音文件
• ✏️ 输入要合成的文字
• 🔑 填写 API Key（仅本地使用，不上传）
• 🎤 一键合成，自动播放

• 💾 下载合成音频

📝 完整代码

新建fish_tts_gui.py，粘贴以下代码：

import gradio as gr import requests import tempfile import os def tts_clone(audio_file, text, api_key): """🪄 使用 Fish Audio API 进行声音克隆与合成""" if not api_key: return None, "❌ 请输入 API Key" if audio_file is None: return None, "❌ 请上传参考录音" if not text.strip(): return None, "❌ 请输入要合成的文本" url = "https://api.fish.audio/v1/tts" headers = {"Authorization": f"Bearer {api_key}"} with open(audio_file, "rb") as f: files = {"reference_audio": (os.path.basename(audio_file), f, "audio/wav")} data = { "text": text, "reference_text": "", "model": "fish-speech-1.5", "format": "mp3" } try: resp = requests.post(url, headers=headers, files=files, data=data, timeout=30) except Exception as e: return None, f"❌ 网络错误：{e}" if resp.status_code == 200: with tempfile.NamedTemporaryFile(suffix=".mp3", delete=False) as tmp: tmp.write(resp.content) tmp_path = tmp.name return tmp_path, "✅ 合成成功！请播放或下载。" else: return None, f"❌ API 错误 {resp.status_code}：{resp.text}" # 🎨 构建界面 with gr.Blocks(title="🐟 Fish Audio 声音克隆合成器") as demo: gr.Markdown(""" # 🐟 Fish Audio 声音克隆合成器 ### 📤 上传录音 + ✏️ 输入文字 → 🎧 一键合成你的 AI 语音！ """) with gr.Row(): with gr.Column(scale=1): audio_input = gr.Audio( label="📁 上传你的录音 (10~30秒, wav/mp3)", type="filepath" ) text_input = gr.Textbox( label="✏️ 要合成的文字", lines=4, placeholder="请输入需要朗读的内容... 💬" ) api_key_input = gr.Textbox( label="🔑 API Key", type="password", placeholder="输入你的 Fish Audio API Key" ) submit_btn = gr.Button("🎤 开始合成", variant="primary", size="lg") with gr.Column(scale=1): output_audio = gr.Audio(label="🔊 合成结果", type="filepath", interactive=False) status_text = gr.Textbox(label="📊 状态", interactive=False) submit_btn.click( fn=tts_clone, inputs=[audio_input, text_input, api_key_input], outputs=[output_audio, status_text] ) gr.Markdown("---") gr.Markdown(""" > 🔐 API Key 仅在本地使用，不会上传到第三方。 > 🔗 获取地址：[Fish Audio 设置页](https://fish.audio/user/settings) """) if __name__ == "__main__": demo.launch()

▶️ 运行

python fish_tts_gui.py

浏览器打开http://127.0.0.1:7860，开箱即用！

📦 打包成 EXE（可选）

pip install pyinstaller pyinstaller --onefile --collect-all gradio fish_tts_gui.py

💡 更省事的方案：代码中demo.launch(share=True)即可生成公网链接（72 小时有效），分享给任何人直接使用！

四、🥊 同期精品大乱斗：谁才是声音克隆之王？

2024~2025 年开源 TTS 迎来大爆发，各家打得不可开交。下面一张表帮你快速选型：

📌选型指南（太长不看版）：

• 🧧中文优先 + 有 API 需求→ 🐟 Fish Audio（语言支持最广，在线 API 可用）
• 🎙️追求极致克隆逼真度→ 🎯 CosyVoice / ⚡ GPT-SoVITS（音色相似度天花板）
• 🏭批量生产 + 极速推理→ 🔥 F5-TTS（2 秒克隆，实时因子 0.15）
• 🎬需要情感表演→ 🎯 CosyVoice（支持哭腔、方言口音调整）

Fish Audio 的差异化王牌🃏：它是唯一一个同时提供在线 API + 免费额度 + 13 语言支持的开源方案。不需要折腾 GPU，注册就能用，跟 ElevenLabs 这种商业产品对标，但成本只有其六分之一。

五、🎓 进阶玩家必读：让克隆效果飙升的秘籍

🎤 录音黄金法则

📌 参考音频是克隆的基石，录得好，效果立竿见影：

💡实测发现：只需一部智能手机 + 安静卧室 + 语音备忘录，就能录出可克隆的参考音频。

📈 进阶优化套路

1. 🔉降噪处理：录好的音频可用 Audacity（免费）做轻微降噪
2. 📝提供参考文本：如果你知道录音内容，务必填入reference_text，音色对齐准确率大幅提升
3. 🎚️音量标准化：归一化到 -3dB，避免爆音或过轻
4. 🔀多参考音频融合：准备 2~3 段不同情绪的短录音，克隆效果更稳定、表现力更强

🎭 这些脑洞大开的应用，你绝对想不到

• 🎮游戏 NPC 配音：某独立游戏团队用 Fish Speech 后，角色对话制作周期从 2 周缩短到 3 天
• 📖有声书量产：效率提升 60%，一个人就是一个配音工作室
• 👨👩👧数字分身 & 情感陪伴：把 AI 助手声音设置成孩子或恋人的声音，随时随地听到想听的声音
• 👻鬼畜整活：克隆朋友的声音说骚话，效果拔群
• 🎓知识科普新玩法：用克隆的爱因斯坦声线讲解相对论，学生们听得眼睛发光
• 🏠留学生「在场感」：有海外留学生用声音克隆保持与国内家人的日常交流，让家人感知到的「在场率」提升 76%

六、📊 API 费用一览 & 本地部署预告

🔮 如果你后期想要完全免费 + 无限调用 + 数据不出门，本地部署是终极选择（需要 NVIDIA 显卡，显存 ≥ 8GB）。需要的话告诉我，我为你出完整教程！

七、🐟 总结

🎉 恭喜你读到这里！现在你已经是声音克隆理论 + 实战双修的选手了。

📣 有任何问题（本地部署教程、效果调优、API 报错排查），随时告诉我，我给你续上！

关注我，送你一个月的“plus”会员权益