# Fish Audio、Fish Speech 与 SuperClonica 对比

更新于 2026-10-23

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。

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。

## Fish Audio、Fish Speech 和 S2 Pro 是什么关系

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。

## Fish Audio S2 Pro 与 SuperClonica 的 CPU 速度

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。

## Fish Audio 更强的地方

在富有表现力的语音上，Fish Audio S2 Pro 的优势很明显。

- 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。

## 许可证与商用

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。

## Fish Audio 还是 SuperClonica

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。

- 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。

## 更多语音合成内容

- [在自己电脑上运行的语音合成](https://superclonica.com/zh/text-to-speech)
- [Supertonic 与 SuperClonica：同一模型，更快更干净](https://superclonica.com/zh/compare/supertonic)
- [OmniVoice 与 SuperClonica：语言更多，还是速度更快](https://superclonica.com/zh/compare/omnivoice)
- [本地语音合成：Qwen3-TTS 还是 SuperClonica](https://superclonica.com/zh/compare/qwen3-tts)
- [VoxCPM 2 与 SuperClonica：录音棚音质还是 CPU 速度](https://superclonica.com/zh/compare/voxcpm)
- [F5-TTS 与 SuperClonica：零样本克隆还是 CPU 上的快速合成](https://superclonica.com/zh/compare/f5-tts)
- [可离线使用的 ElevenLabs 替代方案](https://superclonica.com/zh/compare/elevenlabs)
- [Kokoro TTS 与 SuperClonica：两个小模型的本地语音合成](https://superclonica.com/zh/compare/kokoro)
- [Piper TTS 与 SuperClonica：小设备还是定制音色](https://superclonica.com/zh/compare/piper)
- [Coqui XTTS-v2 与 SuperClonica：Coqui TTS 的替代方案](https://superclonica.com/zh/compare/xtts)
- [Chatterbox TTS 与 SuperClonica：即时克隆还是训练好的音色文件](https://superclonica.com/zh/compare/chatterbox)

## 语音合成指南

- [如何在自己的电脑上离线把文字转成语音](https://superclonica.com/zh/guides/offline-text-to-speech)
- [声音克隆：如何得到一个像录音里那样的声音](https://superclonica.com/zh/guides/voice-cloning)
- [2026 年适合本地运行的免费语音合成模型](https://superclonica.com/zh/guides/best-free-tts-models)
- [为视频、有声书、游戏和应用做文字转语音配音](https://superclonica.com/zh/guides/text-to-speech-for-videos)
- [Supertonic 3 音色：自定义音色的来源与使用方法](https://superclonica.com/zh/guides/supertonic-3-voices)
- [Python 文字转语音：离线、免费、自然的音色](https://superclonica.com/zh/guides/python-text-to-speech)
- [在 Docker 中自建文字转语音 API](https://superclonica.com/zh/guides/text-to-speech-api-docker)

## 常见问题

### 有没有能在 CPU 上运行的免费 Fish Audio 替代品？

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。

### Fish Speech 没有显卡能跑吗？

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。

### Fish Audio S2 Pro 可以商用吗？

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。

### SuperClonica 的声音克隆和 Fish Audio 一样吗？

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。

- [试听 Supertonic 3 音色](https://superclonica.com/zh/explore)
- [安装 SuperClonica 引擎](https://superclonica.com/zh/superclonica)

## 参考来源

- [Fish Audio S2 Pro 模型卡（Hugging Face）](https://huggingface.co/fishaudio/s2-pro)
- [fish-speech 代码仓库（GitHub）](https://github.com/fishaudio/fish-speech)
- [Fish Speech 1.5 模型卡](https://huggingface.co/fishaudio/fish-speech-1.5)
- [s2.cpp：基于 ggml 的 S2 Pro 推理](https://github.com/rodrigomatta/s2.cpp)
- [Supertonic 3 模型卡](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [SuperClonica](https://superclonica.com/zh/)
- [文字转语音 AI 声音目录](https://superclonica.com/zh/explore)
- [Supertonic 3 定制音色委托](https://superclonica.com/zh/requests)
- [工作原理：音色、本地语音、训练](https://superclonica.com/zh/guide)
- [安装更快的 Supertonic 3 引擎](https://superclonica.com/zh/superclonica)
- [关于我们：语音合成爱好者团队](https://superclonica.com/zh/about)
- [联系方式、支持与音色投诉](https://superclonica.com/zh/contacts)
- [隐私政策](https://superclonica.com/zh/privacy)
- [使用条款](https://superclonica.com/zh/terms)
- [语音合成](https://superclonica.com/zh/text-to-speech)