fish-s2.1-proFish Audio S2.1 Pro — модель синтеза речи, которая покрывает 83 языка одним идентификатором модели, а её главное преимущество здесь в том, что клонирование голоса ничего не стоит: вы отправляете чистый образец от десяти секунд, меньше чем за двадцать секунд получаете идентификатор голоса и дальше передаёте его как reference_id в каждом запросе. Первые двадцать голосов бесплатны; начиная с двадцать первого сохранённого голоса каждый дополнительный слот стоит $1, а удаление голоса снова освобождает слот. Вывод приходит в mp3, wav, pcm или opus, скорость регулируется от 0.5 до 2.0. Единственное, что нужно учесть заранее, — единица тарификации: эта модель считается за 1000 UTF-8 байт входного текста, а не за 1000 символов, как остальные речевые модели здесь, и китайский иероглиф весит три байта против одного у латинской буквы. Тысяча английских символов стоит $0.03, тысяча китайских — это три тысячи байт и $0.09. Считайте бюджет по байтам, а не по количеству знаков. У модели два тарифа на одной и той же модели и с одинаковым качеством звука: стандартный fish-s2.1-pro по $0.03 за 1000 байт и экономичный fish-s2.1-pro-free по $0.005. Экономичный в шесть раз выгоднее, но работает по принципу best-effort: тот же фрагмент в 2000 байт занял 41 секунду против 17 на стандартном, гарантий по задержке и доступности нет, а запросы могут использоваться провайдером для улучшения моделей. Берите экономичный для подбора голоса и прототипов, стандартный — когда кто-то ждёт результат или текст не должен сохраняться.
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 — это API категории «аудио и речь» от Fish Audio. Fish Audio S2.1 Pro — модель синтеза речи, которая покрывает 83 языка одним идентификатором модели, а её главное преимущество здесь в том, что клонирование голоса ничего не стоит: вы отправляете чистый образец от десяти секунд, меньше чем за двадцать секунд получаете идентификатор голоса и дальше передаёте его как reference_id в каждом запросе. Первые двадцать голосов бесплатны; начиная с двадцать первого сохранённого голоса каждый дополнительный слот стоит $1, а удаление голоса снова освобождает слот. Вывод приходит в mp3, wav, pcm или opus, скорость регулируется от 0.5 до 2.0. Единственное, что нужно учесть заранее, — единица тарификации: эта модель считается за 1000 UTF-8 байт входного текста, а не за 1000 символов, как остальные речевые модели здесь, и китайский иероглиф весит три байта против одного у латинской буквы. Тысяча английских символов стоит $0.03, тысяча китайских — это три тысячи байт и $0.09. Считайте бюджет по байтам, а не по количеству знаков. У модели два тарифа на одной и той же модели и с одинаковым качеством звука: стандартный fish-s2.1-pro по $0.03 за 1000 байт и экономичный fish-s2.1-pro-free по $0.005. Экономичный в шесть раз выгоднее, но работает по принципу best-effort: тот же фрагмент в 2000 байт занял 41 секунду против 17 на стандартном, гарантий по задержке и доступности нет, а запросы могут использоваться провайдером для улучшения моделей. Берите экономичный для подбора голоса и прототипов, стандартный — когда кто-то ждёт результат или текст не должен сохраняться. Через платформу APIMODELS доступ к этой модели идёт по единому API с прозрачной оплатой по факту использования. Текущая цена: standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005.
Профессиональная озвучка для видео, анимации и рекламы с большим выбором голосов.
Быстро собрать аудио для подкаста, в том числе с диалогом нескольких говорящих.
Превратить текст в естественную, связную речь для выпуска аудиокниг.
Дубляж и перевод на разные языки, чтобы контент дошёл до аудитории по всему миру.
Fish Audio S2.1 Pro доступна через APIMODELS по цене: standard, per 1K UTF-8 bytes: $0.03, evaluation tier, per 1K UTF-8 bytes: $0.005. Оплата идёт по факту использования — вы платите только за то, что сгенерировали.
Зарегистрируйтесь на APIMODELS, получите API-ключ и обращайтесь к нашему единому эндпоинту. Есть подробная документация с примерами на cURL, Python и Node.js.
APIMODELS отдаёт ту же самую модель Fish Audio S2.1 Pro через свою агрегирующую платформу. Мы предоставляем единый интерфейс API, поэтому отдельные аккаунты у каждого поставщика не нужны — один ключ открывает доступ ко всем моделям.
Потому что именно так считает сама модель на стороне провайдера, и, передавая ту же единицу без пересчёта, мы не даём двум сторонам разойтись. Латинская буква занимает один байт UTF-8, китайский иероглиф — три, эмодзи — четыре. Поэтому 1 000 английских символов — это 1 000 байт и $0.03, а 1 000 китайских иероглифов — 3 000 байт и $0.09. Все остальные речевые модели на apimodels.app берут плату за 1 000 символов, так что при переходе с них пересчитайте объёмы на CJK-языках в байтах, а не переносите число символов как есть.
Первые двадцать голосов бесплатны. Начиная с двадцать первого сохранённого голоса каждый дополнительный слот стоит $1, а удаление голоса освобождает слот — то есть платите вы за хранение большого набора голосов, а не за само клонирование. Отправьте чистый образец длительностью от десяти секунд, примерно через пять–двадцать секунд получите идентификатор голоса и передавайте его как reference_id в любом последующем запросе на синтез. В любом случае за сгенерированную потом речь платится отдельно, по обычному тарифу за байты.
Бесплатный уровень (идентификатор модели fish-s2.1-pro-free) — чтобы прослушать голоса и собрать прототип, стандартный — для всего, чего ждёт пользователь. Модель одна и та же, качество идентично, но бесплатный уровень работает по принципу «как получится»: один и тот же фрагмент в 2 000 байт занял там 41 секунду против 17 секунд на стандартном уровне в нашем замере. У бесплатного уровня к тому же нет соглашения о данных — провайдер может использовать эти запросы для улучшения своих моделей, — а объявленная дата окончания его низкой цены уже переносилась четыре раза.
В APIMODELS Fish Audio S2.1 Pro соседствует более чем с 60 моделями под одним API-ключом и общим балансом, поэтому выбор — это вопрос соответствия задаче, а не привязки к поставщику. Модель поддерживает 83 Languages, 20 Free Voice Clones, mp3 / wav / pcm / opus, Speed 0.5-2.0; вы можете сравнить её по цене и возможностям с другими моделями категории «аудио и речь» и переключиться, изменив одну строку с именем модели — без нового аккаунта и без переписывания интеграции. Все варианты категории «аудио и речь» с актуальными ценами — на apimodels.app/models.
Fish Audio S2.1 Pro поддерживает: 83 Languages, 20 Free Voice Clones, mp3 / wav / pcm / opus, Speed 0.5-2.0. Полный список параметров и примеры вызовов — в документации APIMODELS.
Да. APIMODELS отдаёт Fish Audio S2.1 Pro через единый API и один ключ — отдельные аккаунты у каждого поставщика не нужны, и вам не приходится самостоятельно решать вопросы регионального сетевого доступа к каждому из них.
Принимаем Stripe (Visa, Mastercard и другие международные карты) и Alipay. Баланс становится доступен сразу после оплаты.