Fish Audio ガイドの詳細はAPI、Python SDK、セルフホストの S2- Pro

Fish Audioのテキスト読み上げ機能は、ホストされたAPIとダウンロード可能なモデル重みを組み合わせており、開発者が同じプラットフォームから音声を生成する二ルートを提供しています。同社の2026-11-03ガイドによると、「fish audio api」と「fish speech」の両方で検索すると同じエコシステムが示されており、まずホスト生成、その後ローカル展開、そしてユーザーが本番環境で直面する制約を順に説明しています。

証拠と背景

Fish Audioのモデル概要およびインストールガイドによると、2026-11-03時点のテキスト読み上げラインナップには、推奨生産モデルとしてs2.1-pro s2.1、開発およびテスト用に-proフリー、S2前世代の-pro s2、コンテンツ作成drama-3、そして廃止された廃止されたs1(2026-12-31で廃止)が含まれています。ガイドによると、Fishはテキスト読み上げを文字単位ではなくUTF-8バイト単位で請求しており、s2.1-proは1 UTF-8百万バイトあたり$15、Drama 3は1百万バイトあたり$50価格です。また、S2モデルでは言語検出が自動的に行われ、s1のリクエストは2026-12-31後にs2.1-proが対応するとも記載されています。

APIワークフローについては、ユーザーにPython 3.9 以降、Fish Audioアカウント、そしてオプションでcURLが必要だとガイドは述べています。FISH_API_KEYという環境変数を設定し、fish-audio-sdkをインストールしてfishaudioとしてインポートするよう指示しています。例では s2.1-pro-freeが使われており、ガイドではAPIクレジットが加算される前の新規アカウントのクイックスタートモデルとされています。APIリクエストはJSONフィールドではなくモデルHTTPヘッダーを使用し、応答はオーディオバイトとして返されます。

ガイドはまた、Fishのクイックスタートから得たエラー処理方法についても説明しています。無効または欠損したAPIキーに対する 401 、選択したモデルにアカウントにAPIクレジットがない場合の 402 、悪い状態のreference_idやパラメータの 400 、並行処理に基づくレート制限の 429 。リトライは指数的なバックオフを使うべきであり、Retry-Afterヘッダーは存在しないと書かれています。

SDKの機能とローカル展開

Fish AudioのPython SDKの例では、声を選ぶためのreference_idのパス方法や、TTSConfigやProsodyを使って音声、フォーマット、速度設定を一元化する方法が示されています。ガイドによると、SDKはwav、pcm、mp3、opus出力をサポートしており、遅延は通常またはバランスのオプションがあり、WAVとPCMは8、16、24、32、44.1 kHz、MP3 32 kHz、44.1 kHz、Opusは48 kHzを使用しています。

音声スタイルに関しては、ガイドによると、 S2 モデルは[ささやき]、[笑い]、[ため息]、[息]、[興奮]、[緊張して笑う]などの自由形式の合図に反応します。また、 S1 から移行するユーザーは括弧付きのタグを括弧に変換すべきだと付け加えています。なぜなら、 S2 モデルは古いフォーマットを読み取らないからです。

セルフホスティングに関しては、ガイドによるとFish Audioはモデルの重みを公開しており、S2-ProはFishのAPIサーバーの背後でローカルで動作可能だとされています。背景資料によると、公式リポジトリはLinuxまたはWSLとS2推論に少なくとも24 GBのGPUメモリを推奨しており、コマンドライン推論、Gradio WebUI、APIサーバー、Docker展開もサポートしています。また、S2-Proは4億パラメータモデルで、角括弧内の自然言語式命令、多言語音声、多話者生成をサポートしています。

ライセンスの立場はプロジェクト資料ごとに混在しているようです。ガイドには s2-proの重みはFish Audio Research Licenseの下でダウンロード可能とされており、より広範なコードベースは現在のリポジトリドキュメントでFish Audio Community Licenseで説明されています。背景資料では、ユーザーは商用セルフホスティング前に適用される条件を確認するよう指示されています。

関連するリリースノートには、Fish AudioがFish Audio S2オープンソースであること、1.3.0バージョンのPython SDKが-Pro対応と高度なTTS生成パラメータを追加した2026-03-10 S2と発表されています。記事の例では、古いfish_audio_sdkインポートはもはや更新されておらず、現代のパッケージ名はfish-audio-sdkであることも指摘されています。