Fish Speech 1.5部署教程从镜像选择到WebUI访问全流程1. 引言Fish Speech 1.5是由Fish Audio开源的新一代文本转语音TTS模型基于LLaMA架构与VQGAN声码器支持零样本语音合成。用户仅需提供10-30秒的参考音频即可克隆任意音色并生成中、英、日、韩等13种语言的高质量语音无需针对特定说话人微调。本教程将手把手带你完成Fish Speech 1.5的完整部署流程从镜像选择到WebUI访问让你快速体验高质量的语音合成能力。学习目标通过本教程你将学会如何部署Fish Speech 1.5镜像并通过Web界面生成高质量语音。前置知识基本Linux命令操作、了解Docker或云服务器基础概念。教程价值无需复杂配置小白友好30分钟内即可完成部署并生成第一段语音。2. 环境准备与镜像部署2.1 选择合适的基础环境Fish Speech 1.5镜像需要运行在支持CUDA的NVIDIA GPU环境中建议显存不小于6GB。以下是推荐的基础配置操作系统Ubuntu 20.04/22.04 LTSGPUNVIDIA Tesla T4/V100/A100或消费级RTX 3060以上显存≥6GB驱动CUDA 12.4 PyTorch 2.5.02.2 部署镜像实例在云平台镜像市场中选择fish-speech-1.5内置模型版v1镜像点击部署实例。等待实例状态变为已启动约需1-2分钟初始化首次启动需60-90秒完成CUDA Kernel编译。# 查看实例状态 sudo docker ps -a | grep fish-speech3. 服务启动与验证3.1 启动服务并查看日志使用提供的启动脚本启动服务# 运行启动脚本 bash /root/start_fish_speech.sh # 查看实时日志新开终端 tail -f /root/fish_speech.log当看到以下输出时表示服务已就绪后端API已就绪 → 启动前端WebUI → Running on http://0.0.0.0:78603.2 验证服务状态检查服务端口是否正常监听# 检查WebUI端口7860 lsof -i :7860 # 检查API端口7861内部使用 lsof -i :78614. WebUI访问与使用4.1 访问Web界面在实例列表中找到部署的实例点击HTTP入口按钮或在浏览器直接访问http://实例IP:7860打开Fish Speech交互页面。4.2 生成第一段语音按照以下步骤体验语音合成输入文本在左侧输入文本框中输入测试内容例如中文你好欢迎使用Fish Speech 1.5语音合成系统。英文Hello, welcome to Fish Speech text-to-speech system.调整参数可选拖动最大长度滑块默认1024 tokens约20-30秒语音调整温度参数0.1-1.0默认0.7生成语音点击 生成语音按钮状态栏显示⏳ 正在生成语音...约2-5秒生成成功后变为 生成成功试听与下载右侧音频播放器点击试听点击 下载WAV文件保存到本地4.3 高级功能API调用对于程序化调用可以使用API接口curl -X POST http://127.0.0.1:7861/v1/tts \ -H Content-Type: application/json \ -d {text:API测试,reference_id:null} \ --output api_test.wav5. 常见问题与解决方案5.1 启动问题排查问题现象排查方法解决方案WebUI无法访问lsof -i :7860检查端口等待90秒首次编译完成后端API未就绪lsof -i :7861检查后端查看日志tail -50 /root/fish_speech.log生成超时检查输入文本长度缩短文本或增大max_tokens参数5.2 音频生成问题问题现象可能原因解决方案生成的音频无声文件大小异常应10KB重新生成或调大max_tokens音色克隆无效使用WebUI而非APIWebUI当前不支持音色克隆需用API调用6. 技术细节与进阶使用6.1 模型架构特点Fish Speech 1.5采用双服务架构前端WebUIGradio 6.2.0端口7860对外访问后端APIFastAPI服务端口7861内部调用通信方式WebUI通过HTTP请求调用后端API6.2 文件位置说明启动脚本/root/start_fish_speech.sh模型权重/root/fish-speech/checkpoints/fish-speech-1___5/运行日志/root/fish_speech.log生成缓存/tmp/fish_speech_*.wav6.3 自定义参数配置通过修改API调用参数实现高级功能curl -X POST http://127.0.0.1:7861/v1/tts \ -H Content-Type: application/json \ -d { text:自定义参数测试, reference_id:null, max_new_tokens:2048, temperature:0.5 } \ --output custom_test.wav7. 总结通过本教程你已成功部署并体验了Fish Speech 1.5文本转语音系统。该模型具备以下核心优势高质量语音合成支持13种语言音质自然流畅零样本音色克隆仅需短参考音频即可模仿任意音色简单易用提供直观的Web界面和完整的API接口开源免费基于开源协议可自由使用和修改下一步建议尝试使用API接口集成到自己的应用中探索不同语言的语音合成效果参考官方文档了解高级功能和自定义配置现在你可以开始使用Fish Speech 1.5创建丰富的语音内容了获取更多AI镜像想探索更多AI镜像和应用场景访问 CSDN星图镜像广场提供丰富的预置镜像覆盖大模型推理、图像生成、视频生成、模型微调等多个领域支持一键部署。