Actualités
API détaillée du guide Fish Audio, SDK Python et S2 auto-hébergé -Pro
La pile de synthèse vocale de Fish Audio s’étend sur une API hébergée, un SDK Python et un S2-Pro auto-hébergé, avec des tarifs, des limites et des conditions de licence à prendre en compte.
Article traduit. Lire l'article original.
L’offre de synthèse vocale de Fish Audio combine une API hébergée avec des poids de modèles téléchargeables, offrant aux développeurs deux des moyens de générer la parole depuis la même plateforme. Le guide 2026-11-03 de l’entreprise explique que cette double approche explique pourquoi les recherches pour « fish audio API » et « fish speech » pointent vers le même écosystème, et elle passe d’abord par la génération hébergée, puis le déploiement local, puis les contraintes auxquelles les utilisateurs peuvent être confrontés en production.
Preuves et contexte
Selon l’aperçu des modèles et le guide d’installation de Fish Audio, la gamme synthèse vocale à 2026-11-03 inclut s2.1-pro comme modèle de production recommandé, s2.1-pro-free pour le développement et les tests, s2-pro comme génération précédente de S2 , drama-3 pour la création de contenu, et s1 déprécié, qui se retire à 2026-12-31. Le guide indique que Fish facture la synthèse vocale par octet UTF-8 plutôt que par caractère, avec s2.1-pro à un prix de $15 par 1 million de UTF-8 octets et Drama 3 à $50 par 1 million d’octets. Il est également indiqué que la détection de langage est automatique sur S2 modèles et que les requêtes de s1 seront prises en charge par s2.1-pro après 2026-12-31.
Pour le flux de travail de l’API, le guide indique que les utilisateurs doivent utiliser Python 3.9 ou plus récent, un compte Fish Audio et, éventuellement, cURL. Il demande aux utilisateurs de définir une variable d’environnement nommée FISH_API_KEY, d’installer fish-audio-sdk, puis de l’importer sous forme de fishaudio. Les exemples utilisent s2.1-pro-free, que le guide décrit comme le modèle de démarrage rapide pour les nouveaux comptes avant l’ajout d’un crédit API. La requête API utilise un en-tête HTTP modèle plutôt qu’un champ JSON, et la réponse est renvoyée sous forme d’octets audio.
Le guide décrit également la gestion des erreurs tirée du quickstart de Fish : 401 pour une clé API invalide ou manquante, 402 lorsque le modèle sélectionné n’a pas de crédit API sur le compte, 400 pour un mauvais reference_id ou paramètres, et 429 pour des limites de taux basées sur la concurrence. Il est indiqué que les réessais doivent utiliser un retrait exponentiel et qu’il n’y a pas d’en-tête Retry-After.
Fonctionnalités du SDK et déploiement local
Les exemples de SDK Python de Fish Audio montrent comment passer un reference_id pour sélectionner une voix, et comment centraliser les réglages de voix, de format et de vitesse avec TTSConfig et Prosody. Le guide indique que le SDK prend en charge la sortie wav, pcm, mp3 et opus, avec des options de latence normale ou équilibrée, et que WAV et PCM peuvent être 8, 16, 24, 32 ou 44.1 kHz, MP3 32 ou 44.1 kHz, et Opus utilise 48 kHz.
Pour le style vocal, le guide indique S2 les modèles répondent aux indices libres entre crochets, incluant des exemples comme [chuchotement], [rire], [soupir], [halètement], [excité] et [rire nerveux]. Il ajoute que les utilisateurs migrant de S1 devraient convertir les tags entre parenthèses en crochets, car S2 modèles ne lisent pas l’ancien format.
Concernant l’auto-hébergement, le guide indique que Fish Audio publie certains poids de modèles et que S2-Pro peut fonctionner localement derrière le serveur API de Fish. La documentation de fond indique que le dépôt officiel recommande Linux ou WSL et au moins 24 Go de mémoire GPU pour S2 inférence, avec prise en charge de l’inférence en ligne de commande, une interface web Gradio, un serveur API et un déploiement Docker. Il est également indiqué que S2-Pro est un modèle de 4 milliards de paramètres qui prend en charge des instructions d’expression en langage naturel entre crochets, la parole multilingue et la génération multi-haut-parleurs.
La position sur la licence apparaît variée entre les documents du projet. Le guide indique que les poids s2-pro sont téléchargeables sous la licence Fish Audio Research, tandis que la base de code plus large est décrite dans la documentation actuelle du dépôt sous la licence Fish Audio Community. Le document de contexte indique que les utilisateurs doivent vérifier les termes applicables avant l’auto-hébergement commercial.
Des notes de version associées datées 2026-03-10 indiquent que Fish Audio a annoncé que S2 est open source et que la version 1.3.0 du SDK Python ajoutait S2 support -Pro et des paramètres avancés de génération TTS. Les exemples de l’article notent également que les importations fish_audio_sdk plus anciennes ne sont plus mises à jour et que le nom moderne du paquet est fish-audio-sdk.
Autres articles en français · Comparaisons financières et sources SEC (anglais)