API de la guía de Fish Audio, SDK en Python y S2 autoalojada -Pro

La oferta de texto a voz de Fish Audio combina una API alojada con pesos de modelo descargables, ofreciendo a los desarrolladores rutas dos generar voz desde la misma plataforma. La guía 2026-11-03 de la empresa dice que el enfoque dual es la razón por la que las búsquedas tanto de "fish audio API" como de "fish speech" apuntan al mismo ecosistema, y que primero pasa por la generación alojada, luego el despliegue local y después las limitaciones que los usuarios pueden enfrentar en producción.

Evidencia y contexto

Según la visión general de modelos y la guía de instalación de Fish Audio, la gama de texto a voz a fecha de 2026-11-03 incluye s2.1-pro como modelo de producción recomendado, s2.1-pro-free para desarrollo y pruebas, s2-pro como la generación anterior de S2 , drama-3 para creación de contenido y s1 obsoleto, que se retira en 2026-12-31. La guía dice que Fish factura texto a voz por UTF-8 byte en lugar de por carácter, con s2.1-pro a un precio de $15 por 1 millones de UTF-8 bytes y Drama 3 a $50 por 1 millones de bytes. También dice que la detección de idiomas es automática en S2 modelos y que las solicitudes de s1 serán atendidas por s2.1-pro después de 2026-12-31.

Para el flujo de trabajo de la API, la guía dice que los usuarios necesitan Python 3.9 o posterior, una cuenta de Fish Audio y, opcionalmente, cURL. Indica a los usuarios que establezcan una variable de entorno llamada FISH_API_KEY, instalen fish-audio-sdk e importarla como fishaudio. Los ejemplos usan s2.1-pro-free, que la guía dice que es el modelo de inicio rápido para cuentas nuevas antes de añadir el crédito de la API. La solicitud de la API utiliza un encabezado HTTP modelo en lugar de un campo JSON, y la respuesta se devuelve como bytes de audio.

La guía también detalla el manejo de errores extraído del inicio rápido de Fish: 401 por una clave API inválida o faltante, 402 cuando el modelo seleccionado no tiene crédito API en la cuenta, 400 por un reference_id o parámetros defectuosos, y 429 por límites de tasa basados en concurrencia. Dice que los reintentos deben usar retroceso exponencial y que no hay cabecera Retry-After.

Características del SDK y despliegue local

Los ejemplos del SDK en Python de Fish Audio muestran cómo pasar un reference_id para seleccionar una voz, y cómo centralizar la voz, el formato y la velocidad con TTSConfig y Prosody. La guía dice que el SDK soporta salida wav, pcm, mp3 y opus, con opciones de latencia normal o balanceada, y que WAV y PCM pueden ser 8, 16, 24, 32 o 44.1 kHz, MP3 puede ser 32 o 44.1 kHz, y Opus usa 48 kHz.

Para el estilo de voz, la guía dice S2 los modelos responden a señales libres entre corchetes, incluyendo ejemplos como [susurrar], [risa], [suspiro], [jadeo], [emocionado] y [risas nerviosas]. Añade que los usuarios que migran desde S1 deberían convertir las etiquetas basadas entre paréntesis a corchetes, porque S2 modelos no leen el formato antiguo.

Sobre el autoalojamiento, la guía dice que Fish Audio publica algunos pesos de modelos y que S2-Pro puede ejecutarse localmente detrás del servidor API de Fish. La documentación de antecedentes indica que el repositorio oficial recomienda Linux o WSL y al menos 24 GB de memoria GPU para S2 inferencia, con soporte para inferencia de línea de comandos, una interfaz web de Gradio, un servidor API y despliegue en Docker. También dice que S2-Pro es un modelo de 4 mil millones de parámetros que soporta instrucciones de expresión en lenguaje natural entre corchetes, voz multilingüe y generación de varios altavoces.

La posición de la licencia aparece variada entre los materiales del proyecto. La guía dice que los pesos s2-pro se pueden descargar bajo la Fish Audio Research License, mientras que la base de código más amplia se describe en la documentación actual del repositorio bajo la Fish Audio Community License. El material de fondo dice que los usuarios deben verificar los términos aplicables antes de realizar autoalojamiento comercial.

Notas de versión relacionadas fechadas 2026-03-10 indican que Fish Audio anunció que S2 es de código abierto y que la versión 1.3.0 del SDK de Python añadió soporte S2-Pro y parámetros avanzados de generación TTS. Los ejemplos del artículo también señalan que las importaciones fish_audio_sdk antiguas ya no se actualizan y que el nombre moderno del paquete es fish-audio-sdk.