Dubbing AI 携手 Fish Audio，为 1000 万用户打造实时 Voice Agent

Dubbing AI 已经围绕语音建立了一个平台。用户可以实时变声、克隆声音、调整口音，并进行跨语言翻译。Voice Agent 将产品带向了新的方向：AI 现在可以代替用户说话。

应用场景随即显现。游戏玩家可以让代理在对话中回应；忙得无暇打电话的人可以让代理代劳；暂时无法说话的人也能保持实时沟通。

但只有声音足够真实，这种体验才能成立。

明显的停顿会让交流显得生硬，平淡或机械的回应也一样。对 Dubbing AI 来说，实时 TTS 不仅要快速生成语音，还必须听起来自然、传递情感、保留说话者的声音身份，并支持全球用户需要的语言。

Dubbing AI 根据 Voice Agent 的体验要求评估了多家 TTS 提供商。团队最终确定了五项标准：自然度、情感深度、声音克隆质量、延迟和多语言支持。

评估揭示了艰难的取舍。低延迟模型可能缺乏情感表达，富有表现力的模型却可能因延迟打断对话。还有一些模型在一种语言上表现出色，切换语言后却不尽如人意。

对于服务游戏、娱乐和商业场景中超过 1000 万用户的产品，仅在体验的某一方面出色远远不够。

Dubbing AI 需要一个能同时满足所有标准的模型。

Fish Audio 脱颖而出，是因为它同时满足了 Dubbing AI 的 Voice Agent 所需的能力：自然的语音、丰富的情感、高质量的声音克隆、低延迟和多语言支持。

这一点至关重要，因为各项标准彼此关联。自然度让声音可信，情感表达赋予人情味，声音克隆保留说话者的身份，低延迟让对话流畅，多语言支持则让 Dubbing AI 的全球用户都能获得相同体验。

Fish Audio 支持超过 80 种语言和原生语言切换，同时保持实时互动所需的响应速度。

Voice Agent 正从技术上的可能性，走向 Dubbing AI 能够推向全球用户的产品。有 Fish Audio 负责实时 TTS，Dubbing AI 可以专注于构建新的沟通方式，同时保持体验所需的速度、表现力和声音质量。

最终，这个语音代理不只是回应你，还让你愿意继续聊下去。