fish-s2.1-proFish Audio S2.1 Pro es un modelo de texto a voz que cubre 83 idiomas desde un único identificador, y lo que lo distingue en esta plataforma es que clonar una voz no cuesta nada: envías una muestra limpia de al menos diez segundos, recibes un identificador de voz en menos de veinte segundos y lo pasas como reference_id en cada petición posterior. Las primeras veinte voces son gratuitas; a partir de la vigésimo primera voz almacenada cada espacio adicional cuesta $1, y borrar una voz vuelve a liberar el espacio. La salida llega en mp3, wav, pcm u opus, con velocidad ajustable entre 0.5 y 2.0. Lo único que conviene planificar es la unidad de facturación: este modelo se cobra por cada 1000 bytes UTF-8 de texto de entrada, no por cada 1000 caracteres como el resto de modelos de voz de aquí, y un carácter chino ocupa tres bytes frente a uno de una letra latina. Mil caracteres en inglés cuestan $0.03; mil caracteres en chino son tres mil bytes y cuestan $0.09. Presupuesta por bytes, no por recuento de caracteres. Hay dos tarifas sobre el mismo modelo y con la misma calidad de audio: la estándar fish-s2.1-pro a $0.03 por cada 1000 bytes y la económica fish-s2.1-pro-free a $0.005. La económica es seis veces más económica pero es de mejor esfuerzo: el mismo pasaje de 2000 bytes tardó 41 segundos frente a 17 en la estándar, no hay compromiso de latencia ni disponibilidad, y el proveedor puede usar esas peticiones para mejorar sus modelos. Usa la económica para audicionar voces y prototipar, y la estándar cuando alguien espera el audio o el texto no debe conservarse.
A clone trains in under 20 seconds and is usable immediately; past 20 stored voices each extra slot is $1, and deleting one frees it again
Not per character — Chinese text costs three times Latin text of the same length
No per-language endpoint or premium for non-English speech
fish-s2.1-pro for production; fish-s2.1-pro-free at a sixth of the price, slower and without guarantees
Fish Audio S2.1 Pro es una API de audio y voz de Fish Audio. Fish Audio S2.1 Pro es un modelo de texto a voz que cubre 83 idiomas desde un único identificador, y lo que lo distingue en esta plataforma es que clonar una voz no cuesta nada: envías una muestra limpia de al menos diez segundos, recibes un identificador de voz en menos de veinte segundos y lo pasas como reference_id en cada petición posterior. Las primeras veinte voces son gratuitas; a partir de la vigésimo primera voz almacenada cada espacio adicional cuesta $1, y borrar una voz vuelve a liberar el espacio. La salida llega en mp3, wav, pcm u opus, con velocidad ajustable entre 0.5 y 2.0. Lo único que conviene planificar es la unidad de facturación: este modelo se cobra por cada 1000 bytes UTF-8 de texto de entrada, no por cada 1000 caracteres como el resto de modelos de voz de aquí, y un carácter chino ocupa tres bytes frente a uno de una letra latina. Mil caracteres en inglés cuestan $0.03; mil caracteres en chino son tres mil bytes y cuestan $0.09. Presupuesta por bytes, no por recuento de caracteres. Hay dos tarifas sobre el mismo modelo y con la misma calidad de audio: la estándar fish-s2.1-pro a $0.03 por cada 1000 bytes y la económica fish-s2.1-pro-free a $0.005. La económica es seis veces más económica pero es de mejor esfuerzo: el mismo pasaje de 2000 bytes tardó 41 segundos frente a 17 en la estándar, no hay compromiso de latencia ni disponibilidad, y el proveedor puede usar esas peticiones para mejorar sus modelos. Usa la económica para audicionar voces y prototipar, y la estándar cuando alguien espera el audio o el texto no debe conservarse. A través de la plataforma APIMODELS puedes acceder a este modelo mediante una API unificada con precios de pago por uso transparentes. Precio actual: standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005.
Genera locuciones de nivel profesional para videos, animaciones y anuncios, con voces variadas.
Produce rápidamente el audio de tu pódcast, con soporte para diálogos de varios personajes.
Convierte texto en voz natural y fluida para producir audiolibros.
Doblaje y traducción multilingüe con IA para que tu contenido llegue a audiencias globales.
Fish Audio S2.1 Pro está disponible a través de APIMODELS a: standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005. La facturación es de pago por uso: solo pagas por lo que generas.
Regístrate en APIMODELS, obtén tu clave API y llama a nuestro endpoint unificado. Ofrecemos documentación detallada con ejemplos en cURL, Python y Node.js.
APIMODELS ofrece el mismo modelo Fish Audio S2.1 Pro a través de nuestra plataforma de agregación. Proporcionamos una interfaz de API unificada, así que no necesitas cuentas separadas por proveedor: una sola clave para acceder a todos los modelos.
Porque así es como cobra el modelo original, y pasar la misma unidad sin convertirla evita que las dos partes se desalineen. Una letra latina ocupa un byte UTF-8, un carácter chino tres y un emoji cuatro. Así que 1.000 caracteres en inglés son 1.000 bytes y cuestan $0.03, mientras que 1.000 caracteres chinos son 3.000 bytes y cuestan $0.09. Todos los demás modelos de voz de apimodels.app facturan por 1.000 caracteres, de modo que si vienes de uno de ellos, vuelve a estimar las cargas en chino, japonés o coreano en bytes en vez de dar por bueno el recuento de caracteres.
Las primeras veinte voces son gratis. A partir de veinte voces almacenadas, cada plaza adicional cuesta $1, y borrar una voz libera la plaza, así que lo que se cobra es mantener muchas voces guardadas, no el acto de clonar. Envía una muestra limpia de al menos diez segundos, recibe un id de voz en unos cinco a veinte segundos y pásalo como reference_id en cualquier síntesis posterior. En ambos casos, la voz que generes después se paga aparte, a la tarifa normal por bytes.
Usa el nivel gratuito (id de modelo fish-s2.1-pro-free) para probar voces y montar prototipos, y el estándar para cualquier cosa que un usuario esté esperando. Es el mismo modelo, así que la calidad es idéntica, pero el gratuito funciona según disponibilidad: el mismo pasaje de 2.000 bytes tardó allí 41 segundos frente a 17 en el nivel estándar en nuestra medición. Además, el nivel gratuito no tiene acuerdo de datos, es decir, el proveedor puede usar esas peticiones para mejorar sus modelos, y su precio bajo tiene una fecha de fin publicada que ya se ha pospuesto cuatro veces.
En APIMODELS, Fish Audio S2.1 Pro convive con más de 60 modelos bajo una sola clave API y un solo saldo, así que elegir es cuestión de ajuste, no de dependencia. Admite 83 Languages, 20 Free Voice Clones, mp3 / wav / pcm / opus, Speed 0.5-2.0 y puedes valorarlo en precio y capacidad frente a otros modelos de audio y voz, y cambiar modificando una sola cadena con el nombre del modelo: sin nueva cuenta ni integración. Explora todas las opciones de audio y voz con precios en vivo en apimodels.app/models.
Fish Audio S2.1 Pro admite: 83 Languages, 20 Free Voice Clones, mp3 / wav / pcm / opus, Speed 0.5-2.0. Consulta la documentación de APIMODELS para ver todos los parámetros y ejemplos de llamada.
Sí. APIMODELS expone Fish Audio S2.1 Pro mediante una única API unificada y una sola clave, sin cuentas separadas por proveedor ni necesidad de gestionar tú mismo el acceso de red regional de cada proveedor.
Aceptamos Stripe (Visa, Mastercard y otras tarjetas internacionales) y Alipay. El saldo está disponible al instante tras el pago.