Fish Audio Guide подробно описывает API, Python SDK и самостоятельный S2-Pro

Предложение Fish Audio по преобразованию текста в речь сочетает размещённый API с загружаемыми весами моделей, предоставляя разработчикам два маршруты для генерации речи с одной платформы. Руководство компании 2026-11-03 объясняет, что двойной подход объясняет, почему поиски по «fish audio api» и «fish speech» указывают на одну и ту же экосистему, а затем проходит через генерацию хостов, затем локальное развертывание, а затем ограничения, с которыми пользователи могут столкнуться в продакшене.

Доказательства и контекст

Согласно обзору модели и руководству по установке Fish Audio, на 2026-11-03 год линейка текста в речь включает s2.1-pro как рекомендуемую производственную модель, s2.1-pro-free для разработки и тестирования, s2-pro как предыдущее S2 поколение, drama-3 для создания контента и устаревший s1, который выходит из эксплуатации 2026-12-31года. В руководстве говорится, что Fish выставляет плату за текст в речь на UTF-8 байт, а не за символ, при этом s2.1-pro стоит $15 за 1 миллион UTF-8 байт, а Drama 3 — $50 на 1 миллион байт. Также говорится, что на S2 моделях обнаружение языка автоматические, а запросы на s1 будут выполняться s2.1-pro после 2026-12-31.

Для рабочего процесса API в руководстве указано, что пользователям нужен Python 3.9 или позже, учетная запись Fish Audio и, по желанию, cURL. В инструкции пользователям установить переменную среды с именем FISH_API_KEY, установить fish-audio-sdk и импортировать её как fishaudio. В примерах используется s2.1-pro-free, который, как говорится, является моделью быстрого запуска для новых аккаунтов до добавления кредита API. Запрос API использует заголовок модели HTTP вместо поля JSON, а ответ возвращается в виде аудиобайт.

В руководстве также описывается обработка ошибок, полученная из быстрого запуска Fish: 401 для недействительного или отсутствующего ключа API, 402 если выбранная модель не имеет кредита API на аккаунте, 400 при плохом reference_id или параметрах, и 429 для ограничений на коэффициентах на основе параллелизма. Говорится, что повторные попытки должны использовать экспоненциальный откат и что нет заголовка Retry-After.

Функции SDK и локальное развертывание

Примеры Python SDK от Fish Audio показывают, как передавать reference_id для выбора голоса, а также как централизовать настройки голоса, форматирования и скорости с помощью TTSConfig и Prosody. В руководстве говорится, что SDK поддерживает выход wav, pcm, mp3 и opus с опциями задержки нормальной или сбалансированной, а WAV и PCM могут быть 8, 16, 24, 32 или 44.1 кГц, MP3 могут быть 32 или 44.1 кГц, а Opus использует 48 кГц.

Для стилизации речи в руководстве говорится, S2 модели реагируют на свободные подсказки в квадратных скобках, включая примеры [шёпот], [смех], [вздох], [вздох], [возбуждённый] и [нервный смех]. Добавляется, что пользователи, переходящие с S1 , должны преобразовывать теги в скобках, поскольку S2 модели не читают старый формат.

Что касается самостоятельного хостинга, в руководстве говорится, что Fish Audio публикует некоторые веса моделей и что S2-Pro может работать локально за API сервером Fish. Справочная документация говорит, что официальный репозиторий рекомендует Linux или WSL и как минимум 24 ГБ памяти GPU для S2 вывода, с поддержкой командной строки, Gradio WebUI, API-сервера и развертывания Docker. Также говорится S2-Pro — это модель с 4-миллиардами параметров, поддерживающая инструкции выражения на естественном языке в квадратных скобках, многоязычную речь и генерацию многодинамиков.

Позиция лицензирования разнесена в материалах проекта. В руководстве указано, что веса s2-pro можно скачать по лицензии Fish Audio Research License, тогда как более широкая кодовая база описана в текущей документации репозитория под лицензией Fish Audio Community License. В фоновом материале говорится, что пользователям следует проверить соответствующие условия перед коммерческим самохостингом.

Связанные примечания к релизу, датированные 2026-03-10 Fish Audio, объявили, что S2 является открытым исходным кодом, а версия 1.3.0 Python SDK добавила поддержку S2 Pro и расширенные параметры генерации TTS. Примеры статьи также отмечают, что старые импорты fish_audio_sdk больше не обновляются, а современное название пакета — fish-audio-sdk.