Fish Audio 每月有 8,557,159 次造訪，月增率 +1.6%，定價模式為免費增值。Stable Diffusion（Stability AI）每月有 341,872 次造訪，成長率 +1.2%，定價模式為免費增值、需聯絡報價。
面向圖像、影片、音訊與 3D 的開放生成模型
| 面向／指標 |  | |
|---|---|---|
| 官方網域 | fish.audio | stability.ai |
| 定價模式 | 免費增值 | 免費增值、需聯絡報價 |
| 每月造訪次數 | 855.72萬 (8,557,159) | 34.19萬 (341,872) |
| 月流量變化量 | +13.34萬 (+1.6%) | +3940 (+1.2%) |
| 主要市場與市佔 | 🇺🇸 美國 (15.6%) | 🇺🇸 美國 (20.4%) |
| 每月直接造訪 | 370.4萬 | 13.44萬 |
| 使用者評分 | 4.4 | 4.7 |
| 支援平台 | 網站 | 網站 |
錄音室級 AI 文字轉語音與聲音克隆
輸入或貼上文稿即可生成自然旁白，支援 [whispering]、[angry]、[laughing] 等行內情緒與演繹標籤。
用一段簡短音訊樣本建立可用的聲音克隆，並在不同文稿與語言中重複使用。
瀏覽並使用涵蓋多語言與多種角色風格的大量社群聲音。
支援多語言轉寫，並提供情緒與說話者線索，方便後續剪輯。
面向圖像、影片、音訊與 3D 的開放生成模型
使用讓 Stable Diffusion 廣為人知的模型系列，為行銷、產品圖與創意專案生成並編輯高品質圖像。
建立並編輯影片，包括面向遊戲與娛樂沉浸式世界的 3D 與 4D 影片模型。
使用 Stable Audio 模型系列製作音樂、音景與音效，並提供基於授權資料訓練的開放權重版本。
透過託管 API 把可用於生產的媒體生成能力整合到自己的產品中，無需自建基礎設施。
具備業界領先的語音複製與文字轉語音品質，但缺乏 Fish Audio 的開源模型靈活性與自行託管選項。
免費 / 開源對複雜的生成工作流程提供極致的節點式控制，但相較於簡單的 API，學習曲線較陡峭。
專項更強Voicemod is a real-time AI voice changer and soundboard for PC, Mac and mobile. It swaps your microphone input for 200+ voices and sound effects that work inside Discord, games, streaming apps and calls.
提供明顯更快的推論速度與對開發者友善的無伺服器 API，但缺乏像 Civitai 那樣的原生模型訓練工具。
免費 / 開源TTSMaker is a free online text-to-speech tool that turns written text into natural-sounding audio in 100+ languages. Paste your text, pick a voice, and download the MP3 — with a commercial-use license included at no cost.
提供針對開源模型的強大雲端託管與微調功能，不過比起專門的推論引擎，通常延遲會高一些。
