Fish Audio: S1

S1은 표현력 있는 내레이션과 단일 화자 음성 출력을 위한 Fish Audio의 이전 세대 텍스트 음성 변환 모델입니다. 제공된 대본을 읽고 선택한 목소리 또는 참조를 조건으로 삼는 목소리로 오디오를 반환합니다. 전체 S1 모델은 더 작은 증류 모델인 S1-mini와 구분됩니다. 제작사는 각각 40억 개와 5억 개 매개변수 변형으로 소개합니다. 이 소개는 S1이라는 이름의 모델을 다룹니다.

내레이션에서는 실제로 말해야 할 단어를 준비하고 표현이 달라져야 할 지점을 표시하세요. 유용한 설명 대본은 핵심을 먼저 제시하고 한 번에 하나의 생각을 전개하며 자연스러운 멈춤이 필요한 문구를 문장부호로 나눕니다. 짧은 안내는 화면 없이 들을 때도 명확하게 작성하세요. 이름, 약어, 단위의 의도한 읽기를 보존하고, 눈으로 읽을 수 있는 문자열의 발음이 하나뿐이라고 가정하지 말고 음성 출력의 숫자를 확인하세요.

S1은 (angry), (sad), (in a hurry), (chuckling)처럼 소괄호로 된 감정 및 표현 신호를 사용합니다. 영향을 줄 문장이나 문구 앞에 신호를 놓고 뒤에 실제 발화를 쓰세요. 표현은 뒤따르는 텍스트에 적용되므로 연기가 달라져야 할 위치에 분위기 변화를 놓아야 합니다. 이는 S2의 대괄호 지시와 다른 문법입니다. 두 표기법을 서로 바꿔 쓸 수 있다고 가정하지 말고 선택한 세대에 맞는 대본을 유지하세요.

저장된 목소리 식별자를 통해 목소리를 선택하거나 참조 녹음과 그 전사문을 함께 조건으로 제공할 수 있습니다. 즉시 참조 워크플로에 대해 일반 음성 안내는 깨끗한 10~30초 샘플을 권장합니다. 의도한 결과에 맞는 말하기 스타일과 녹음 품질의 샘플을 선택하고 전사문을 샘플의 단어와 일치시키세요. 반복해서 등장하는 내레이터에는 문단 전반에서 같은 목소리 참조를 재사용해 주제의 변화가 의도치 않게 캐릭터의 변화가 되지 않게 하세요.

S1 발표는 영어, 중국어, 일본어, 독일어, 프랑스어, 스페인어, 한국어, 아랍어, 러시아어, 네덜란드어, 이탈리아어, 폴란드어, 포르투갈어 등을 지원 언어로 제시하며 대본 안에서 언어를 섞는 것을 설명합니다. 음성 합성을 번역 단계로 취급하지 말고 목표 언어 문구를 제공하세요. 차용한 이름이나 언어 전환이 있는 문단에서는 철자와 주변 문장 맥락을 명확하게 유지하고 선택한 목소리가 전환을 어떻게 처리하는지 검토하세요.

S1의 제작사 인터페이스는 합성 요청당 한 명의 화자를 지원합니다. 대화는 각자의 목소리 참조를 가진 개별 세그먼트로 준비한 뒤 애플리케이션에서 조립할 수 있습니다. S2 계열의 기본 다중 화자 합성은 별도의 기능입니다. 캐릭터 대사를 준비할 때 역할, 목소리, 텍스트를 각 세그먼트에 연결하세요. 합성 결과는 대본의 음성 연기이며 대화 타이밍 조절이나 음악·영상과의 결합은 이후 편집 단계입니다.

출력 옵션에는 MP3, WAV, 원시 PCM, Opus가 포함되며 기본값은 MP3입니다. 문서상 출력은 모노입니다. WAV와 PCM은 16비트 샘플을 사용하며 형식별 샘플 레이트 선택은 다릅니다. MP3는 64, 128, 192 kbps를 지원하고 Opus는 48 kHz를 사용합니다. 음량 제어와 함께 속도를 0.5~2.0으로 조정할 수 있습니다. 보이스오버 결과물에는 인코딩된 파일을, 재생에는 적절한 스트림을 선택하고 선택한 목소리와 대본을 결과와 함께 보관하세요.

제작사는 긴 텍스트를 청크로 처리하며 문서에 명시된 청크 길이 범위는 100~300입니다. 보장된 전체 녹음 시간이 아니라 청크별 오디오 토큰 예산을 사용합니다. 텍스트 정규화는 영어와 중국어 숫자를 자연스러운 읽기로 확장할 수 있고 S1의 반복 페널티는 반복 오디오 패턴을 줄일 수 있습니다. 출력 라우드니스 정규화는 별도의 설정이며 S1에는 영향을 주지 않습니다. 완성 문단을 조립하기 전에 발음, 문구 경계, 반복 소리, 의도한 감정 변화를 살핀 뒤 필요한 특정 대사나 참조를 수정하세요.