能力，生产级。定价，初创友好。开放，社区级。
通过一套 API 集成拟真语音合成、声音克隆与语音转录。官方 Python、TypeScript SDK。亚秒级延迟，从第一次调用起按量付费。
受到众多生产语音产品团队信赖
语音 Agent 与对话式 AI
视频配音、译制与音乐
互动与社交
教育与学习
从注册到首段音频，只需 5 几分钟。
无需销售沟通。拿到 API 密钥，装好 SDK，就能上线。
# Text to speech in one callcurl -X POST https://api.fish.audio/v1/tts \-H "Authorization: Bearer $FISH_API_KEY" \-H "Content-Type: application/json" \-H "model: s2.1-pro-free" \-d '{"text": "Hello! Welcome to Fish Audio."}' \--output welcome.mp3
# pip install fish-audio-sdkfrom fishaudio import FishAudiofrom fishaudio.utils import saveclient = FishAudio() # reads FISH_API_KEYaudio = client.tts.convert(text="Hello from Fish Audio!",model="s2.1-pro-free")save(audio, "welcome.mp3")
团队在 Fish 上上线的产品。
上镜也撑得住的声音
# 数字人视频为 AI 数字人产品提供可对口型、懂情感的 TTS。内联方向标签驱动的是表演，而不只是把字念出来。
实时对话式 AI
# 语音 Agent通过 WebSocket 实现亚秒级轮次响应。流式 TTS 与 ASR 同处一栈，并支持打断感知。
动态口播内容。
# 音频内容与陪伴笔记转音频、备考工具、AI 陪伴。按字符计费，随用量增长，而非按席位。
30 秒克隆完成。或者干脆不克隆。
# 角色类 AppIVC 基于 30 秒音频完成；PVC 用于工作室级复刻。也可以直接浏览声音库，不克隆也能上线。
为实时语音栈而生。
开放权重，付费商业许可。
我们的开源模型 —— fish-speech、S1 和 S2 —— 以开放权重发布，并附带付费商业许可。当生产环境需要时，可自托管到你的 VPC、本地、主权云或气隙环境。自托管是 Enterprise 档位合作，详见下文。
15,000+ 方向标签，可在任意调用中内联。
[warm], [near-whisper], [reassuring] —— 方向标签随文本本身一同传递。无需额外参数，没有列表要挑，标签集扩充时也无需做 schema 迁移。
音频图灵测试：0.515。
盲评中，听众无法可靠地分辨 S2.1 Pro 与真人。581 次一对一对比。方法论与原始音频均已公开。
每百万字符 $15，从第一次调用起。
HeyGen、Pictoria、Dubbing AI 与 Plaud 背后的同款模型。从第一次调用起按量付费。无需「联系我们」才能拿到生产价格。
用我们的 API，或自托管模型
云端 API，服务所有正在开发的团队；当生产环境需要时，再以高级 Enterprise 合作自托管。
托管 API · 适合任何团队
云端 API，按量付费，每百万字符 $15。对于无需自行运维模型的团队，这是上线生产最快的路径。
- WebSocket 流式传输、REST、Python + TypeScript SDK
- $15 / 1M UTF-8 bytes —— 无需承诺用量
- 每次调用都可内联方向标签语法
- 与开放权重版本完全同款的模型
自托管模型。
我们的开源模型 —— fish-speech、S1、S2 —— 以开放权重发布，并附带付费商业许可。可部署到你的 VPC、数据中心、主权云或气隙环境。这是面向高用量团队的高级合作，适用于有数据驻留、微调或合规部署要求的场景。
- WebSocket 流式传输、REST、Python + TypeScript SDK
- $10k/月
- 实际起步成本：$120–150K/年
- 直接对接我们的研究团队
