Fish-Speech 1.5 语音合成 WebUI 搭建与使用指南

技巧：

• 参考音频时长 5-10 秒效果最佳。
• 确保参考文本准确无误，标点符号一致。

3.2 参数调整

基础参数：

• 文本：合成内容
• 输出格式：wav、mp3 或 flac

高级参数（高级设置中）：

• 温度 (Temperature)：控制随机性。值越低越稳定，越高越自然。建议从 0.7 开始。
• Top-P：影响用词选择范围。默认 0.7，调高至 0.8 更流畅。
• 重复惩罚：避免重复词或短语。若发现重复，调高至 1.3-1.5。
• 最大新令牌数：控制单次生成最大长度。

建议： 新手先用默认参数，熟悉后可微调。声音机械可调高温度和 Top-P；声音不稳定可调高重复惩罚。

3.3 批量处理与长文本

WebUI 一次只能输入一段文本，长内容可分段处理或使用 API。

性能参考：

• 生成速度：约每秒 18 个 token
• GPU 内存占用：约 1.84GB
• 模型大小：约 1.4GB

即使是配置不高的显卡也能流畅运行。

4. 通过 API 编程调用

API 服务地址：

http://你的服务器 IP:8080 

4.1 查看 API 文档

访问上述地址可查看 Swagger UI 界面，包含所有接口和参数说明。

4.2 Python 调用示例

import requests

url = "http://你的服务器 IP:8080/v1/tts"
payload = {
    "text": "你好，这是一个 API 测试示例。",
    "format": "wav"
}

response = requests.post(url, json=payload)

if response.status_code == 200:
    with open("output.wav", "wb") as f:
        f.write(response.content)
    print("语音生成成功，已保存为 output.wav")
else:
    print(f"请求失败，状态码：{response.status_code}")
    print(f"错误信息：{response.text}")

参数说明：

• text：必填，合成文本
• format：可选，wav/mp3/flac，默认 wav

4.3 带参考音频的 Python 示例

import requests
import base64

url = "http://你的服务器 IP:8080/v1/tts"

with open("reference.wav", "rb") as audio_file:
    audio_base64 = base64.b64encode(audio_file.read()).decode('utf-8')

payload = {
    "text": "用参考音频的音色说这句话。",
    "references": [
        {
            "audio": audio_base64,
            "text": "这是参考音频的原文内容"
        }
    ],
    "temperature": 0.7,
    "top_p": 0.7,
    "repetition_penalty": 1.2,
    "format": "mp3"
}

response = requests.post(url, json=payload)

if response.status_code == 200:
    with open("output_with_reference.mp3", "wb") as f:
        f.write(response.content)
    print("带参考音频的语音生成成功")
else:
    print(f"错误：{response.status_code}, {response.text}")

4.4 cURL 命令行调用

curl -X POST "http://你的服务器 IP:8080/v1/tts" \
-H "Content-Type: application/json" \
-d '{ "text": "这是通过命令行生成的语音。", "temperature": 0.7, "format": "wav" }' \
--output speech.wav 

5. 服务管理与故障排查

5.1 服务状态检查

supervisorctl status

预期输出类似：

fish-speech-webui RUNNING pid 12345, uptime 1:23:45
fish-speech RUNNING pid 12346, uptime 1:23:45

5.2 服务控制命令

# 重启 WebUI 服务
supervisorctl restart fish-speech-webui
# 重启 API 服务
supervisorctl restart fish-speech
# 停止服务
supervisorctl stop fish-speech-webui
supervisorctl stop fish-speech
# 启动服务
supervisorctl start fish-speech-webui
supervisorctl start fish-speech

5.3 查看日志

# 查看 WebUI 输出日志（最近 100 行）
tail -100 /var/log/fish-speech-webui.out.log
# 查看 WebUI 错误日志
tail -100 /var/log/fish-speech-webui.err.log
# 查看 API 输出日志
tail -100 /var/log/fish-speech.out.log
# 查看 API 错误日志
tail -100 /var/log/fish-speech.err.log
# 实时查看日志更新
tail -f /var/log/fish-speech-webui.out.log

5.4 常见问题解决

问题 1：无法访问 WebUI（端口 7860）

• 检查服务状态：supervisorctl status
• 检查端口占用：netstat -tlnp | grep 7860
• 检查防火墙：确保 7860 端口开放

问题 2：GPU 内存不足

• 减小 max_new_tokens 参数
• 缩短输入文本，分段生成
• 尝试 CPU 模式（速度较慢）

问题 3：声音质量不理想

• 调整温度参数（0.6-0.8）
• 提高重复惩罚值（1.3-1.5）
• 使用更清晰的参考音频

问题 4：生成速度慢

• 检查 GPU 工作状态
• 查看系统资源使用情况
• 缩短文本长度测试

6. 高级配置与优化

6.1 修改界面语言

# 编辑语言配置文件
echo "en_US" > /root/fish-speech-1.5/.locale
# 重启 WebUI 服务使更改生效
supervisorctl restart fish-speech-webui

支持语言：zh_CN（默认）、en_US、ja_JP、ko_KR。

6.2 生产环境部署建议

1. 添加反向代理：如 Nginx。

   server {
       listen 80;
       server_name your-domain.com;
       location / {
           proxy_pass http://localhost:7860;
           proxy_set_header Host $host;
           proxy_set_header X-Real-IP $remote_addr;
       }
   }
   

2. 配置 HTTPS：使用 Let's Encrypt 等工具配置 SSL 证书。
3. 添加访问控制：设置 API Key 认证、限制 IP 范围、配置频率限制。
4. 监控与告警：监控 GPU 使用率、健康检查、日志轮转。

6.3 性能优化建议

• 高并发场景：部署多实例负载均衡，调整 Supervisor 进程数，使用更大显存设备。
• 长文本处理：合理设置 chunk_length，实现客户端分段请求，使用流式响应。

7. 总结

本文介绍了 Fish-Speech 1.5 语音合成系统的完整使用方法。

核心收获：

1. 快速部署：利用现成镜像，无需复杂配置。
2. 两种使用方式：WebUI 适合交互，API 适合集成。
3. 强大功能：支持基础 TTS 及声音克隆。
4. 易于调整：通过参数精细控制语音风格。
5. 稳定可靠：Supervisor 管理，自动重启。

建议：

• 先从 WebUI 开始熟悉操作。
• 用短文本测试快速见效。
• 遇到问题先查日志。
• 进阶方向包括 API 集成、参数调优及生产环境优化。

Fish-Speech 1.5 在效果和易用性之间取得了良好平衡，适合内容创作、辅助工具开发及 AI 技术学习。