API detalhada do guia Fish Audio, SDK em Python e S2 autohospedado -Pro

A oferta de texto para fala da Fish Audio combina uma API hospedada com pesos de modelos para download, oferecendo aos desenvolvedores rotas dois para gerar fala a partir da mesma plataforma. O guia de 2026-11-03 da empresa diz que essa abordagem dupla é o motivo pelo qual as buscas tanto por "fish audio api" quanto por "fish speech" apontam para o mesmo ecossistema, e ele percorre primeiro a geração hospedada, depois a implantação local e, em seguida, as restrições que os usuários podem enfrentar em produção.

Evidências e contexto

De acordo com a visão geral do modelo e o guia de instalação da Fish Audio, a linha de texto para fala a partir de 2026-11-03 inclui s2.1-pro como modelo de produção recomendado, s2.1-pro-free para desenvolvimento e testes, s2-pro como a geração anterior de S2 , drama-3 para criação de conteúdo e s1 obsoleto, que se aposenta em 2026-12-31. O guia diz que a Fish fatura texto para fala por byte de UTF-8 em vez de por caractere, com s2.1-pro sendo precificado a $15 por 1 milhão de bytes de UTF-8 e Drama 3 a $50 por 1 milhão de bytes. Também diz que a detecção de linguagem é automática em modelos S2 e que as solicitações de s1 serão atendidas pelo s2.1-pro após 2026-12-31.

Para o fluxo de trabalho da API, o guia diz que os usuários precisam de Python 3.9 ou posterior, uma conta Fish Audio e, opcionalmente, cURL. Ele instrui os usuários a definir uma variável de ambiente chamada FISH_API_KEY, instalar fish-audio-sdk e importá-la como fishaudio. Os exemplos usam s2.1-pro-free, que o guia diz ser o modelo de início rápido para novas contas antes de ser adicionado crédito API. A requisição API usa um cabeçalho HTTP modelo em vez de um campo JSON, e a resposta é retornada como bytes de áudio.

O guia também descreve o tratamento de erros extraído do quickstart do Fish: 401 para uma chave API inválida ou ausente, 402 quando o modelo selecionado não tem crédito API na conta, 400 para reference_id ou parâmetros ruins, e 429 para limites de taxa baseados em concorrência. Diz que as tentativas devem usar recuo exponencial e que não há cabeçalho Retry-After.

Recursos do SDK e implantação local

Os exemplos do SDK em Python da Fish Audio mostram como passar um reference_id para selecionar uma voz, e como centralizar voz, formatação e configurações de velocidade com TTSConfig e Prosody. O guia diz que o SDK suporta saída wav, pcm, mp3 e opus, com opções de latência normal ou balanceada, e que WAV e PCM podem ser 8, 16, 24, 32 ou 44.1 kHz, MP3 podem ser 32 ou 44.1 kHz, e o Opus usa 48 kHz.

Para o estilo de fala, o guia diz que S2 modelos respondem a indicações livres entre colchetes, incluindo exemplos como [sussurro], [risada], [suspiro], [suspiro], [empolgado] e [risada nervosa]. Acrescenta que usuários que migram de S1 devem converter tags baseadas em parênteses para colchetes, porque S2 modelos não leem o formato antigo.

Sobre auto-hospedagem, o guia diz que a Fish Audio publica alguns pesos de modelos e que o S2-Pro pode rodar localmente atrás do servidor API do Fish. A documentação de fundo diz que o repositório oficial recomenda Linux ou WSL e pelo menos 24 GB de memória GPU para inferência S2 , com suporte para inferência de linha de comando, WebUI do Gradio, servidor API e implantação no Docker. Também diz que S2-Pro é um modelo de 4 bilhões de parâmetros que suporta instruções de expressão em linguagem natural entre colchetes, fala multilíngue e geração de múltiplos alto-falantes.

A posição de licenciamento aparece variada entre os materiais do projeto. O guia diz que os s2-pro ponderações podem ser baixadas sob a Fish Audio Research License, enquanto a base de código mais ampla é descrita na documentação atual do repositório sob a Fish Audio Community License. O material de fundo diz que os usuários devem verificar os termos aplicáveis antes de se hospedarem comercialmente de forma independente.

Notas de lançamento relacionadas datadas de 2026-03-10 dizem que o Fish Audio anunciou que S2 é de código aberto e que a versão 1.3.0 do SDK em Python adicionou suporte S2-Pro e parâmetros avançados de geração TTS. Os exemplos do artigo também observam que importações fish_audio_sdk mais antigas não são mais atualizadas e que o nome moderno do pacote é fish-audio-sdk.