Aller au contenu
EN 4 QUESTIONSTrouver mon modèle
Fiche · Synthèse vocale · relevé du

Fish Audio S2 Pro

Fish Audio · États-Unis

  • Poids ouverts
  • Licence : Fish Audio Research License
  • Français annoncé

En bref : 26e sur 31 en synthèse vocale en français, dans un peloton de 4 modèles que la marge d'erreur ne permet pas de séparer ; 2e sur 16 en prononciation du français ; 35e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 7 modèles que la marge d'erreur ne permet pas de séparer.

Présentation

Modèle de synthèse vocale de Fish Audio à architecture double autorégressive, piloté par des indications libres en langage naturel placées entre crochets au niveau du mot. Il gère le dialogue à plusieurs locuteurs et le streaming, et ses poids sont publiés pour la recherche et l'usage non commercial. Lu sur huggingface.co, le 17/10/2026.

Sortie
9 mars 2026 lu sur la page de l'éditeur
Taille
4 milliards de paramètres pour l'AR lent, plus 400 millions pour l'AR rapide lu sur la page de l'éditeur

Page de l'éditeurL'essayer

Langues

Ses 3 classements

Chaque ligne vient d'une seule source, dans son unité : les chiffres de deux lignes ne se comparent pas entre eux. Ils ne comptent pas dans le score des modèles de langage.

Modèles proches

Comment lire ces chiffres

Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

D'où vient cette fiche

Nom dans les sources
Artificial Analysis : Fish Audio S2 Pro ; Hugging Face (hf-audio) : fishaudio/s2-pro
Fiche
Nom et éditeur tels que les sources les écrivent ; présentation et langues lues sur les pages de l'éditeur.
Pages lues
  • https://fish.audio/blog/fish-audio-open-sources-s2/ (« Mar 9, 2026 · Research Fish Audio Open-Sources S2: Fine-Grained Control Meets Production Streaming »), 17/10/2026
  • https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« Trained on over 10M+ hours of audio data across 80+ languages, the system combines reinforcement learning alignment with a dual-autoregressive architecture. »), 17/10/2026
  • https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« Korean (ko), Spanish (es), Portuguese (pt), Arabic (ar), Russian (ru), French (fr), German (de) »), 17/10/2026
  • https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« **Slow AR** (4B parameters): Operates along the time axis and predicts the primary semantic codebook. »), 17/10/2026
  • https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« **Fast AR** (400M parameters): Generates the remaining 9 residual codebooks at each time step »), 17/10/2026
  • https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« This model is licensed under the [Fish Audio Research License](LICENSE.md). Research and non-commercial use is permitted free of charge. »), 17/10/2026

Voir aussi : la voix en bref, la transcription, la synthèse vocale, ou cette fiche en texte.