S2 Pro против Higgs TTS 3: какая некоммерческая TTS-модель?

S2 Pro от Fish Audio и Higgs TTS 3 от Boson — обе модели текст-в-речь на 4.6B с инлайн-тегами и клонированием, и обе некоммерческие. Сравните лицензии и железо.

  • Обновлено

Вердикт. Обе — авторегрессионные модели текст-в-речь примерно на 4.6B параметров, обе принимают теги, вписанные в текст, обе клонируют голос по короткому клипу и обе бесплатны только для исследований и некоммерческого использования, так что решает лицензия. Исследовательская лицензия Fish Audio считает, что любая коммерческая цель, включая внутреннее использование в вашей же компании, требует отдельного письменного разрешения, и исключения для создателей нет. В лицензии Boson есть Creator Use Grant: вы можете бесплатно публиковать и монетизировать подкасты, видео, аудиокниги и посты в соцсетях с этим аудио, если указываете Boson, хотя хостинг, продукты и обучение других речевых моделей всё ещё требуют соглашения. По железу Fish Audio требует минимум 24 ГБ видеопамяти, а её файлы суммарно весят около 11 ГБ; Boson минимум не называет, а веса — один файл на 9.31 ГБ. Оба разработчика публикуют только свои показатели: Fish Audio сообщает ошибки Seed-TTS Eval 0.54% для китайского и 0.99% для английского, а в макро-усреднённой таблице Boson Higgs TTS 3 получает 1.11 против 1.31 у S2 Pro, поэтому сравнить эти цифры нельзя. Послушайте обе модели перед выбором и клонируйте только голоса, на которые есть согласие.

Характеристики

Характеристики S2 ProHiggs TTS 3
РазработчикFish AudioBoson AI
Дата выпуска9 марта 2026 г.4 июня 2026 г.
Всего параметров4.56B (S2 Pro)4.65B (Higgs TTS 3 4B)
Активные параметрыВсеВсе
АрхитектураПлотнаяДругое
Контекстное окно––
ВходТекст, АудиоТекст
Лицензия Fish Audio Research (Некоммерческая) Boson Higgs Non-Commercial (Некоммерческая)
Память для минимального варианта (4 бита)24 GB (S2 Pro)11 GB (Higgs TTS 3 4B)

Заявления о производительности поступают от разработчика и не проверялись независимо.

Выбирайте S2 Pro, если

  • Вам нужны свободные теги вроде [whisper in small voice] и явные многоголосые диалоги с ID говорящих.
  • У вас GPU NVIDIA на 24 ГБ, и вы хотите маршрут серверинга SGLang-Omni или vLLM-Omni от Fish Audio.
  • Вы будете использовать модель только для исследований, хобби или оценки и укажете “Built with Fish Audio”, если что-то опубликуете.
  • Вы позже можете запросить у Fish Audio коммерческую лицензию или перейти на более новый Drama 3, бесплатный для коммерции при годовой выручке до 500 тыс. долларов.

Выбирайте Higgs TTS 3, если

  • Вы делаете подкасты, видео или аудиокниги и хотите грант для создателей — при условии указания Boson AI's Higgs Audio.
  • Вам нужно 100 или больше языков: Boson по собственной методике сообщает однозначные ошибки в 102 из них.
  • Вам нужны теги для 21 эмоции, девяти звуковых эффектов, темпа, высоты тона и пауз.
  • Вы принимаете правила Boson о согласии при клонировании и требование отдельного соглашения для обучения других речевых моделей.

S2 Pro · Higgs TTS 3