VoxCPM2是首个完全放弃离散token的开源TTS方案，直接在连续潜空间用扩散自回归建模，避免离散化导致的情感与韵律细节损失。它支持通过自然语言描述生成音色、克隆音色并独立控制风格，覆盖30种语言及9种中文方言，输出48kHz音频，采用Apache-2.0许可可商用，支持LoRA微调，单张RTX 4090即可完成。

本文介绍了Fish Audios Generation API的对接方法。用户需注册并登录以申请API，首次申请可获得免费额度。使用时需设置请求头和请求体，包括模型、行为、提示词和音色ID。API支持异步回调，用户可指定回调URL接收生成结果，并提供错误处理机制以确保有效使用。