FishAudio

product · 首次出现 2026-05-22 · 最近出现 2026-11-19 · 累计提及 118

综述

Fish Audio 是一家专注于语音生成与实时语音交互的 AI 公司,其核心产品包括文本转语音模型、全双工实时对话模型 Live 系列以及可无代码搭建语音智能体的 Fish Agent,在开源语音社区和应用落地方向均有一定存在感。近期,该公司的重点正从单纯的语音合成能力转向“语音模型 + 智能体”的完整产品链路。

Fish Audio 的近期进展

  • Live 3 全双工语音模型发布:据 marktechpost 报道,Fish Audio 于 2026 年 11 月 10 日发布了 Live 3,这是一款支持全双工语音交互的实时对话模型,响应延迟最低可达 186 ms,意味着模型可以在用户说话过程中同时听和说,更接近真人对话的节奏。该模型也在开源推理社区 vLLM 侧得到支持与传播。
  • Fish Agent 语音智能体落地:Fish Audio 推出了 Fish Agent:无代码搭建可接打电话的语音智能体,用户无需编写代码即可创建能接打电话的语音助手。社区演示展示了 双 AI 智能体电话自动处理售后全流程,也有开发者演示 一句话即可生成可用的语音智能体。
  • 多行业 B 端合作落地:Fish Audio 的语音技术正被多家应用集成:包括为音频应用 SUN 2.0 提供语音技术支持、为 Plot Party Dubbing Studio 提供支持 40 种语言的配音、为 Creatify AI 的 Max 智能体提供语音支持,以及 Skrypt Health 用其语音为家庭诊所打造 AI 接线员 Ani。
  • 当前焦点与观察点

    从这些动态看,Fish Audio 的策略比较清晰:底层做低延迟全双工模型,上层做无代码语音智能体平台,再通过医疗接线、视频配音、营销视频等垂直场景的第三方合作验证商业化。186 ms 的延迟和全双工能力是其技术层面的主要卖点,而“电话接打”场景则是目前最具想象力的应用方向。

    值得关注的点有三个:一是 Live 3 在真实嘈杂环境下的打断、抢话处理能力仍需用户实测验证;二是语音智能体赛道的竞争者众多,无代码平台的差异化更多取决于集成生态而非模型本身;三是其开源社区路线与商业化 API 之间的平衡,将影响开发者生态的长期走向。

    相关报道

    10 条在档