fish-s2.1-proFish Audio S2.1 Pro は、ひとつのモデル ID で 83 言語をカバーする音声合成モデルです。このプラットフォームでの最大の利点は、音声クローンが無料である点です。十秒以上のクリアなサンプルを送ると二十秒以内にボイス ID が返り、以降はそれを reference_id として渡すだけで同じ声で話します。最初の二十個の音声は無料です。二十一個目以降は、保存している音声が二十を超えた分について一枠あたり $1 かかります。音声を削除すればその枠は再び空きます。出力は mp3、wav、pcm、opus の四形式、速度は 0.5 から 2.0 まで調整できます。事前に押さえておくべきなのは課金単位です。このモデルは入力テキスト 1000 文字ではなく 1000 UTF-8 バイト単位で課金され、漢字は 3 バイト、ラテン文字は 1 バイトです。英語 1000 文字は $0.03、中国語 1000 文字は 3000 バイトで $0.09 になります。文字数ではなくバイト数で見積もってください。同じモデル・同じ音質のまま、課金プランが二つあります。標準プラン fish-s2.1-pro は 1000 バイトあたり $0.03、エコノミープラン fish-s2.1-pro-free は $0.005 です。エコノミーは六分の一の価格ですがベストエフォートで、同じ 2000 バイトの文章で 41 秒(標準は 17 秒)かかり、遅延や稼働率の保証はなく、リクエストが提供元のモデル改善に使われる場合があります。音声の選定や試作にはエコノミー、誰かが音声を待っている場合や残されたくないテキストには標準をお使いください。
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 は Fish Audio の音声合成 API です。Fish Audio S2.1 Pro は、ひとつのモデル ID で 83 言語をカバーする音声合成モデルです。このプラットフォームでの最大の利点は、音声クローンが無料である点です。十秒以上のクリアなサンプルを送ると二十秒以内にボイス ID が返り、以降はそれを reference_id として渡すだけで同じ声で話します。最初の二十個の音声は無料です。二十一個目以降は、保存している音声が二十を超えた分について一枠あたり $1 かかります。音声を削除すればその枠は再び空きます。出力は mp3、wav、pcm、opus の四形式、速度は 0.5 から 2.0 まで調整できます。事前に押さえておくべきなのは課金単位です。このモデルは入力テキスト 1000 文字ではなく 1000 UTF-8 バイト単位で課金され、漢字は 3 バイト、ラテン文字は 1 バイトです。英語 1000 文字は $0.03、中国語 1000 文字は 3000 バイトで $0.09 になります。文字数ではなくバイト数で見積もってください。同じモデル・同じ音質のまま、課金プランが二つあります。標準プラン fish-s2.1-pro は 1000 バイトあたり $0.03、エコノミープラン fish-s2.1-pro-free は $0.005 です。エコノミーは六分の一の価格ですがベストエフォートで、同じ 2000 バイトの文章で 41 秒(標準は 17 秒)かかり、遅延や稼働率の保証はなく、リクエストが提供元のモデル改善に使われる場合があります。音声の選定や試作にはエコノミー、誰かが音声を待っている場合や残されたくないテキストには標準をお使いください。 APIMODELS のプラットフォーム経由なら、統一 API と明朗な従量課金でこのモデルを呼び出せます。 現在の料金: standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005。
動画、アニメーション、広告向けにプロ品質のナレーションを、豊富な声質から選んで生成します。
複数話者の掛け合いにも対応し、ポッドキャストの音声を素早く仕上げます。
テキストを自然で流れのよい読み上げに変換し、オーディオブックとして出せます。
多言語の吹き替えと翻訳で、コンテンツを世界の視聴者に届けます。
Fish Audio S2.1 Pro は APIMODELS 経由で standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005 で利用できます。課金は従量制で、生成した分だけの支払いです。
APIMODELS に登録して API キーを取得し、統一エンドポイントを呼ぶだけです。cURL / Python / Node.js のサンプルを含む詳しいドキュメントを用意しています。
APIMODELS は同じ Fish Audio S2.1 Pro を集約プラットフォーム経由で提供します。統一された API インターフェースなので、プロバイダごとにアカウントを作る必要はありません。キー 1 本ですべてのモデルに届きます。
元のモデル側がそう課金しているためで、同じ単位をそのまま通すことで双方の計算がずれないようにしています。ラテン文字は 1 文字 1 バイト、漢字は 3 バイト、絵文字は 4 バイトです。したがって英語 1,000 文字は 1,000 バイトで $0.03、中国語 1,000 文字は 3,000 バイトで $0.09 になります。apimodels.app の他の音声モデルはすべて 1,000 文字単位の課金なので、そこから乗り換える場合は、日本語・中国語・韓国語の量を文字数のまま流用せず、バイト数で見積もり直してください。
最初の 20 個の音声は無料です。保存済みの音声が 20 個を超えると、追加の枠 1 つにつき $1 かかり、音声を削除すればその枠は再び空きます。つまり課金されるのは多数の音声を保持し続けることに対してで、クローンという操作そのものではありません。10 秒以上のノイズの少ないサンプルを送ると、5〜20 秒ほどで音声 ID が返ってくるので、以降の合成リクエストで reference_id として渡してください。いずれの場合も、その後に生成した音声は通常のバイト単価で別途課金されます。
音声の試聴やプロトタイプには無料ティア(モデル ID は fish-s2.1-pro-free)、ユーザーが待っている場面には標準ティアを使ってください。両者は同じモデルなので品質は同一ですが、無料ティアはベストエフォートです。同じ 2,000 バイトの文章で、当社の計測では無料ティアが 41 秒、標準ティアが 17 秒でした。無料ティアにはデータに関する契約もなく、提供元がそのリクエストをモデル改善に使う可能性があります。さらに、その低価格には公表された終了日があり、すでに 4 回延期されています。
APIMODELS では Fish Audio S2.1 Pro が 60 以上のモデルと同じ API キー・同じ残高の上に並んでいるので、選択は「相性」の問題であって「囲い込み」の問題ではありません。83 Languages、20 Free Voice Clones、mp3 / wav / pcm / opus、Speed 0.5-2.0 に対応しており、他の音声合成モデルと価格・機能を並べて評価できます。乗り換えはモデル名の文字列を 1 つ書き換えるだけ。新しいアカウントも追加の実装も要りません。音声合成の選択肢と最新価格は apimodels.app/models で確認できます。
Fish Audio S2.1 Pro は次に対応しています: 83 Languages、20 Free Voice Clones、mp3 / wav / pcm / opus、Speed 0.5-2.0。パラメータの全一覧と呼び出し例は APIMODELS のドキュメントをご覧ください。
はい。APIMODELS は Fish Audio S2.1 Pro を単一の統一 API とキー 1 本で提供します。プロバイダごとのアカウントも、各社の地域ごとのネットワーク経路を自分で面倒みる必要もありません。
Stripe（Visa、Mastercard などの国際カード）と Alipay に対応しています。支払い後、残高はすぐ反映されます。