fish-s2.1-proO Fish Audio S2.1 Pro é um modelo de texto para fala que cobre 83 idiomas a partir de um único identificador, e o que o distingue nesta plataforma é que clonar uma voz não custa nada: você envia uma amostra limpa de pelo menos dez segundos, recebe um identificador de voz em menos de vinte segundos e o passa como reference_id em cada pedido seguinte. As primeiras vinte vozes são gratuitas; a partir da vigésima primeira voz armazenada cada espaço adicional custa $1, e apagar uma voz liberta novamente o espaço. A saída vem em mp3, wav, pcm ou opus, com velocidade ajustável entre 0.5 e 2.0. O único ponto a planear é a unidade de cobrança: este modelo é cobrado por 1000 bytes UTF-8 de texto de entrada, e não por 1000 caracteres como os outros modelos de voz daqui, e um caractere chinês ocupa três bytes contra um de uma letra latina. Mil caracteres em inglês custam $0.03; mil caracteres em chinês são três mil bytes e custam $0.09. Faça o orçamento por bytes, não por contagem de caracteres. São dois níveis sobre o mesmo modelo e com a mesma qualidade de áudio: o padrão fish-s2.1-pro a $0.03 por 1000 bytes e o econômico fish-s2.1-pro-free a $0.005. O econômico é seis vezes mais econômico mas é de melhor esforço: a mesma passagem de 2000 bytes levou 41 segundos contra 17 no padrão, não há compromisso de latência nem disponibilidade, e o fornecedor pode usar esses pedidos para melhorar os seus modelos. Use o econômico para avaliar vozes e prototipar, e o padrão quando alguém espera o áudio ou o texto não deve ser retido.
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 é uma API de áudio e voz da Fish Audio. O Fish Audio S2.1 Pro é um modelo de texto para fala que cobre 83 idiomas a partir de um único identificador, e o que o distingue nesta plataforma é que clonar uma voz não custa nada: você envia uma amostra limpa de pelo menos dez segundos, recebe um identificador de voz em menos de vinte segundos e o passa como reference_id em cada pedido seguinte. As primeiras vinte vozes são gratuitas; a partir da vigésima primeira voz armazenada cada espaço adicional custa $1, e apagar uma voz liberta novamente o espaço. A saída vem em mp3, wav, pcm ou opus, com velocidade ajustável entre 0.5 e 2.0. O único ponto a planear é a unidade de cobrança: este modelo é cobrado por 1000 bytes UTF-8 de texto de entrada, e não por 1000 caracteres como os outros modelos de voz daqui, e um caractere chinês ocupa três bytes contra um de uma letra latina. Mil caracteres em inglês custam $0.03; mil caracteres em chinês são três mil bytes e custam $0.09. Faça o orçamento por bytes, não por contagem de caracteres. São dois níveis sobre o mesmo modelo e com a mesma qualidade de áudio: o padrão fish-s2.1-pro a $0.03 por 1000 bytes e o econômico fish-s2.1-pro-free a $0.005. O econômico é seis vezes mais econômico mas é de melhor esforço: a mesma passagem de 2000 bytes levou 41 segundos contra 17 no padrão, não há compromisso de latência nem disponibilidade, e o fornecedor pode usar esses pedidos para melhorar os seus modelos. Use o econômico para avaliar vozes e prototipar, e o padrão quando alguém espera o áudio ou o texto não deve ser retido. Pela plataforma APIMODELS, você acessa este modelo por uma API unificada com preços transparentes de pagamento por uso. Preço atual: standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005.
Gere locuções de nível profissional para vídeos, animações e anúncios, com vozes variadas.
Produza rapidamente o áudio do seu podcast, com suporte a diálogos de vários personagens.
Converta texto em voz natural e fluida para produzir audiolivros.
Dublagem e tradução multilíngue com IA para alcançar audiências globais.
O Fish Audio S2.1 Pro está disponível pela APIMODELS a: standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005. A cobrança é por uso — você paga apenas pelo que gera.
Cadastre-se na APIMODELS, obtenha sua chave de API e chame nosso endpoint unificado. Oferecemos documentação detalhada com exemplos em cURL, Python e Node.js.
A APIMODELS oferece o mesmo modelo Fish Audio S2.1 Pro pela nossa plataforma de agregação. Fornecemos uma interface de API unificada, então você não precisa de contas separadas por provedor: uma única chave para acessar todos os modelos.
Porque é assim que o modelo de origem cobra, e repassar a mesma unidade sem conversão evita que os dois lados se desencontrem. Uma letra latina ocupa um byte UTF-8, um caractere chinês ocupa três e um emoji, quatro. Então 1.000 caracteres em inglês são 1.000 bytes e custam $0.03, enquanto 1.000 caracteres chineses são 3.000 bytes e custam $0.09. Todos os outros modelos de fala do apimodels.app cobram por 1.000 caracteres; se você vier de um deles, refaça a estimativa das cargas em chinês, japonês ou coreano em bytes, em vez de assumir que a contagem de caracteres se mantém.
As primeiras vinte vozes são gratuitas. Acima de vinte vozes armazenadas, cada vaga adicional custa $1, e apagar uma voz libera a vaga de novo — ou seja, a cobrança é por manter muitas vozes guardadas, não pelo ato de clonar. Envie uma amostra limpa de pelo menos dez segundos, receba um id de voz em cerca de cinco a vinte segundos e passe esse id como reference_id em qualquer síntese posterior. Nos dois casos, a fala gerada depois é cobrada à parte, pela tarifa normal por byte.
Use o nível gratuito (id do modelo fish-s2.1-pro-free) para ouvir vozes e montar protótipos, e o padrão para qualquer coisa pela qual um usuário esteja esperando. É o mesmo modelo, então a qualidade é idêntica, mas o gratuito funciona por melhor esforço: o mesmo trecho de 2.000 bytes levou lá 41 segundos contra 17 segundos no nível padrão na nossa medição. O nível gratuito também não tem acordo de dados, ou seja, o provedor pode usar essas requisições para melhorar os próprios modelos, e o preço baixo dele tem uma data de término publicada que já foi adiada quatro vezes.
Na APIMODELS, o Fish Audio S2.1 Pro roda junto com mais de 60 modelos usando uma única chave de API e um único saldo, então escolher é questão de adequação, não de dependência. Ele suporta 83 Languages, 20 Free Voice Clones, mp3 / wav / pcm / opus, Speed 0.5-2.0 e você pode avaliá-lo em preço e capacidade frente a outros modelos de áudio e voz, trocando ao alterar uma única string com o nome do modelo — sem nova conta ou integração. Veja todas as opções de áudio e voz com preços ao vivo em apimodels.app/models.
O Fish Audio S2.1 Pro suporta: 83 Languages, 20 Free Voice Clones, mp3 / wav / pcm / opus, Speed 0.5-2.0. Consulte a documentação da APIMODELS para todos os parâmetros e exemplos de chamada.
Sim. A APIMODELS expõe o Fish Audio S2.1 Pro por uma única API unificada e uma só chave, sem contas separadas por provedor e sem precisar lidar com o acesso de rede regional de cada provedor.
Aceitamos Stripe (Visa, Mastercard e outros cartões internacionais) e Alipay. O saldo fica disponível imediatamente após o pagamento.