Fish Audio+Python:零门槛用自己声音合成任何文本

🎯 你是不是想有个自己的音频克隆软件，我用Python+fish实现了，复制我的代码即可——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：开源免费（有付费的）

• • 🏠 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

关注我，送您一个月的“plus”会员福利

🌟 核心亮点速览

二、⚡ 3 分钟极速上手

🪜 Step 1：获取 API Key 🔑

🎁 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

1
pip install requests gradio     # 就这两个，没了

🚀 Step 3：跑通第一个 Demo（要充值）

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

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
import requestsAPI_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

▶️ 运行

1
python fish_tts_gui.py

完整代码仔最后；

浏览器打开 http://127.0.0.1:7860，开箱即用！

四、🥊 同期大乱斗：谁才是声音克隆之王？

下面一张表帮你快速选型：

📌 选型速览：

• • 🧧 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）

六、📊 API 费用一览

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）

import gradio as grimport requestsimport tempfileimport osdef 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()