Fish Audio 发布高级语音处理模型Fish Agent V0.1 3B，它是一个语音到语音模型，它可以高效、精确地生成和处理语音，尤其适合模拟或克隆不同的声音。 该模型是在 Qwen-2.5-3B-Instruct 的基础上继续预训练完成的，涵盖了 2000 亿语音和文本令牌。 端到端架构：采用无语义层的真正端到端（E2E）架构。 零样本语音克隆：支持无需训练即可实现语音克隆。 精简的 3B 参数：使用 30 亿参数，便于开发。 支持文本和音频输入：灵活的多输入方式。 超快响应时间：仅需 200…