{"kind":"compare","slug":"fish-audio","path":"/compare/fish-audio","title":"Fish Audio 替代方案：在 CPU 上运行的 TTS | SuperClonica","description":"Fish Audio S2 Pro、Fish Speech 与 SuperClonica 对比：CPU 速度、音质、语言和许可证，以及什么情况下更应该选 Fish Audio。","h1":"Fish Audio、Fish Speech 与 SuperClonica 对比","intro":"Fish Audio 做出了开源语音合成里表现力最强的一批模型，在我们自己的对比中，S2 Pro 的音质评分也是最高的。但它是一款为 GPU 设计的大模型。SuperClonica 走的是另一条路：一个很小的 Supertonic 3 音色文件，在普通 CPU 上也能快速、离线运行。\n\n如果您找 Fish Audio 或 Fish Speech 的替代方案，是因为没有显卡，或者想把语音直接集成进应用里，可以继续往下看。但要注意：Supertonic 3 目前不支持中文。如果您需要中文语音或最强的表现力，Fish Audio 很可能更合适。","sections":[{"heading":"Fish Audio、Fish Speech 和 S2 Pro 是什么关系","paragraphs":["Fish Audio 把开源模型发布在 GitHub 的 fish-speech 仓库，早期模型也以此命名，例如 Fish Speech 1.5 支持 13 种语言，许可证为 CC-BY-NC-SA-4.0。较新的模型叫 Fish Audio S2 和 S2 Pro。","我们对比表中的 S2 Pro 采用双自回归（Dual-AR）结构：一个 40 亿参数的模型预测主码本，一个 4 亿参数的模型补全其余 9 个码本。根据模型卡，它支持 80 多种语言，可以在文本里插入自由格式的标签，比如 [whisper in small voice] 或 [pitch up]。仓库里还列出了更新、更大的 Fish Audio Drama 3，我们的对比表暂未收录。"]},{"heading":"Fish Audio S2 Pro 与 SuperClonica 的 CPU 速度","paragraphs":["按我们对 8 核台式机 CPU 的估算，S2 Pro 每生成 1 秒音频需要 4–10 秒计算，一句 10 秒的台词要 40–100 秒。SuperClonica 大约 1.0–1.6 秒。","这是我们表里最粗略的一个数字。由于没有公开的 CPU 基准测试，我们根据 GGUF 客户端 s2.cpp 和模型结构，按 30–50 GB/s 的有效内存带宽推算而来。换成 GPU 就是另一回事了：Fish Audio 公布的数据是在单张 NVIDIA H200 上 RTF 为 0.195，首个音频约 100 毫秒输出。"]},{"heading":"Fish Audio 更强的地方","paragraphs":["在富有表现力的语音上，Fish Audio S2 Pro 的优势很明显。"],"points":["音质：在我们的表里满分 5 分得 5 分，SuperClonica 是 4.5 分。","语言：80 多种，中文属于一级支持语言。Supertonic 3 只有 31 种，暂不支持中文。","免训练声音克隆：据 fish-speech 仓库介绍，10–30 秒参考音频就能复刻音色。","情感控制：在文本里用自由标签控制耳语、笑声、重音和音高。"]},{"heading":"许可证与商用","paragraphs":["S2 Pro 的权重采用 Fish Audio Research License：研究和非商业用途免费，商用需要另外向 Fish Audio 取得许可。仓库代码和其他权重采用 Fish Audio Community License。","Supertonic 3 采用 OpenRAIL-M 许可证。这是一份免费许可，没有“仅限非商业”条款，而是列出了禁止用途，例如未经同意冒充他人。在 SuperClonica 购买的音色用于您自己的项目，不能转售。"]},{"heading":"Fish Audio 还是 SuperClonica","paragraphs":["在 CPU 速度和音色稳定性上，SuperClonica 更好：两项都是 5 分，S2 Pro 分别是 1 分和 4 分。如果要在笔记本上做几个小时的旁白，或在玩家电脑上生成语音，这比音质上最后半颗星更重要。"],"points":["选 Fish Audio S2 Pro：有性能不错的 GPU，需要中文或更小众的语言，想用短音频即时克隆，或要用情感标签。","选 SuperClonica：语音要在 CPU 上离线、以可预期的速度运行，或要集成进您发布的应用，且语言在 Supertonic 3 支持的 31 种之内。"]}],"faq":[{"question":"有没有能在 CPU 上运行的免费 Fish Audio 替代品？","answer":"Supertonic 3 是开放权重模型，自带预设音色，不需要 GPU。我们的市场里有免费和付费音色；按我们的估算，SuperClonica 引擎在 8 核台式机 CPU 上能以实时 6.4–9.7 倍的速度朗读。表现力比不上 S2 Pro，也不支持中文，但在 S2 Pro 非常慢的设备上也能流畅使用。"},{"question":"Fish Speech 没有显卡能跑吗？","answer":"Fish Audio 官方公布的数据都是 GPU 上的。社区有基于 ggml 的客户端 s2.cpp；按我们的粗略估算，在台式机 CPU 上比实时慢 4–10 倍，1 分钟语音要 4–10 分钟。"},{"question":"Fish Audio S2 Pro 可以商用吗？","answer":"默认条款下不行。模型卡写明研究和非商业用途免费，商用需要另外取得 Fish Audio 的许可。"},{"question":"SuperClonica 的声音克隆和 Fish Audio 一样吗？","answer":"不一样。Fish Audio 在生成时直接用 10–30 秒音频克隆。SuperClonica 用 5 到 10 秒的录音训练出一个独立的音色文件，可以在自己的 NVIDIA 显卡上免费训练，也可以委托作者。训练更花时间，但得到的文件在任何 CPU 上都能快速运行。"}],"cta":{"catalog":"试听 Supertonic 3 音色","install":"安装 SuperClonica 引擎"},"sources":[{"label":"Fish Audio S2 Pro 模型卡（Hugging Face）","url":"https://huggingface.co/fishaudio/s2-pro"},{"label":"fish-speech 代码仓库（GitHub）","url":"https://github.com/fishaudio/fish-speech"},{"label":"Fish Speech 1.5 模型卡","url":"https://huggingface.co/fishaudio/fish-speech-1.5"},{"label":"s2.cpp：基于 ggml 的 S2 Pro 推理","url":"https://github.com/rodrigomatta/s2.cpp"},{"label":"Supertonic 3 模型卡","url":"https://huggingface.co/supertone-oss-archive/supertonic-3"}],"published":"2026-10-17","updated":"2026-10-23","pages":[{"slug":"text-to-speech","path":"/text-to-speech","h1":"在自己电脑上运行的语音合成"},{"slug":"supertonic","path":"/compare/supertonic","h1":"Supertonic 与 SuperClonica：同一模型，更快更干净"},{"slug":"fish-audio","path":"/compare/fish-audio","h1":"Fish Audio、Fish Speech 与 SuperClonica 对比"},{"slug":"omnivoice","path":"/compare/omnivoice","h1":"OmniVoice 与 SuperClonica：语言更多，还是速度更快"},{"slug":"qwen3-tts","path":"/compare/qwen3-tts","h1":"本地语音合成：Qwen3-TTS 还是 SuperClonica"},{"slug":"voxcpm","path":"/compare/voxcpm","h1":"VoxCPM 2 与 SuperClonica：录音棚音质还是 CPU 速度"},{"slug":"f5-tts","path":"/compare/f5-tts","h1":"F5-TTS 与 SuperClonica：零样本克隆还是 CPU 上的快速合成"},{"slug":"elevenlabs","path":"/compare/elevenlabs","h1":"可离线使用的 ElevenLabs 替代方案"},{"slug":"kokoro","path":"/compare/kokoro","h1":"Kokoro TTS 与 SuperClonica：两个小模型的本地语音合成"},{"slug":"piper","path":"/compare/piper","h1":"Piper TTS 与 SuperClonica：小设备还是定制音色"},{"slug":"xtts","path":"/compare/xtts","h1":"Coqui XTTS-v2 与 SuperClonica：Coqui TTS 的替代方案"},{"slug":"chatterbox","path":"/compare/chatterbox","h1":"Chatterbox TTS 与 SuperClonica：即时克隆还是训练好的音色文件"}],"related":[{"slug":"offline-text-to-speech","path":"/guides/offline-text-to-speech","h1":"如何在自己的电脑上离线把文字转成语音"},{"slug":"voice-cloning","path":"/guides/voice-cloning","h1":"声音克隆：如何得到一个像录音里那样的声音"},{"slug":"best-free-tts-models","path":"/guides/best-free-tts-models","h1":"2026 年适合本地运行的免费语音合成模型"},{"slug":"text-to-speech-for-videos","path":"/guides/text-to-speech-for-videos","h1":"为视频、有声书、游戏和应用做文字转语音配音"},{"slug":"supertonic-3-voices","path":"/guides/supertonic-3-voices","h1":"Supertonic 3 音色：自定义音色的来源与使用方法"},{"slug":"python-text-to-speech","path":"/guides/python-text-to-speech","h1":"Python 文字转语音：离线、免费、自然的音色"},{"slug":"text-to-speech-api-docker","path":"/guides/text-to-speech-api-docker","h1":"在 Docker 中自建文字转语音 API"}]}