F5-TTS или Fish Speech: что выбрать для озвучки

Обе модели клонируют голос по короткому образцу, и у обеих коммерческое использование закрыто, так что для продукта понадобится отдельная договорённость или другая модель. Клонировать голос допустимо только с согласия владельца голоса. F5-TTS весит около 340M, запускается на процессоре, официально знает английский и китайский, а русский появляется через дообученные сообществом версии. Fish Speech крупнее (0.5B – 4.5B), требует видеокарты, но в каталоге заявлено 80+ языков с русским и управление эмоциями. Fish Speech развивается активнее: последняя версия S2-Pro вышла в 2026-03, у F5-TTS обновление от 2025-03; при этом веса S2-Pro идут под Fish Audio Research License, а коммерция только по отдельному договору.