Fish Audio Guide beschreibt API, Python SDK und selbstgehostete S2-Pro
Das Text-to-Speech-Angebot von Fish Audio kombiniert eine gehostete API mit herunterladbaren Modellgewichten und bietet Entwicklern zwei Möglichkeiten, Sprache von derselben Plattform zu generieren. Der 2026-11-03 Guide des Unternehmens besagt, dass ein doppelter Ansatz der Grund ist, warum Suchen nach "fish audio api" und "fish speech" auf dasselbe Ökosystem verweisen, und es führt zuerst die gehostete Generierung, dann die lokale Bereitstellung und schließlich die Einschränkungen, denen Nutzer in der Produktion begegnen können.
Beweise und Kontext
Laut der Modellübersicht und dem Installationsleitfaden von Fish Audio umfasst die Text-zu-Sprache-Linie 2026-11-03 s2.1-pro als empfohlenes Produktionsmodell, s2.1-pro-frei für Entwicklung und Test, s2-pro als vorherige S2 Generation, drama-3 für die Inhaltserstellung und veraltete s1, die mit 2026-12-31 eingestellt wird. Der Leitfaden besagt, dass Fish Text-to-Speech pro UTF-8 Byte statt pro Zeichen berechnet, wobei s2.1-pro zu $15 pro 1 Millionen UTF-8 Bytes und Drama 3 zu $50 pro 1 Millionen Bytes berechnet wird. Es heißt außerdem, dass die Spracherkennung bei S2 Modellen automatisch erfolgt und dass Anfragen für s1 nach 2026-12-31 von s2.1-pro bearbeitet werden.
Für den API-Workflow besagt der Leitfaden, dass Nutzer Python 3.9 oder später, ein Fish Audio-Konto und optional cURL benötigen. Er weist die Nutzer an, eine Umgebungsvariable namens FISH_API_KEY einzustellen, fish-audio-sdk zu installieren und als fishaudio zu importieren. Die Beispiele verwenden s2.1-pro-free, das laut Guide das Quickstart-Modell für neue Konten ist, bevor API-Guthaben hinzugefügt wird. Die API-Anfrage verwendet einen Modell-HTTP-Header anstelle eines JSON-Feldes, und die Antwort wird als Audiobytes zurückgegeben.
Der Leitfaden beschreibt außerdem die Fehlerbehandlung, die aus Fishs Quickstart stammt: 401 für einen ungültigen oder fehlenden API-Schlüssel, 402 wenn das ausgewählte Modell keine API-Gutschrift im Konto hat, 400 für eine schlechte reference_id oder Parameter sowie 429 für nebenläufigkeitsbasierte Zinsbegrenzungen. Es heißt, dass Retries exponentiellen Backoff verwenden sollten und dass es keinen Retry-After-Header gibt.
SDK-Funktionen und lokale Bereitstellung
Die Python-SDK-Beispiele von Fish Audio zeigen, wie man eine reference_id zur Auswahl einer Stimme übergibt und wie man Sprach-, Format- und Geschwindigkeitseinstellungen mit TTSConfig und Prosody zentralisiert. Der Leitfaden sagt, dass das SDK WAV, PCM, mp3 und Opus unterstützt, mit Latenzoptionen wie normal oder symmetrisch, und dass WAV und PCM 8, 16, 24, 32 oder 44.1 kHz sein können, MP3 32 oder 44.1 kHz sein können, und Opus 48 kHz verwendet.
Für das Sprachstyling sagt der Leitfaden, S2 Modelle auf freie Hinweise in eckigen Klammern reagieren, einschließlich Beispielen wie [flüstern], [lachen], [seufzen], [keuchen], [aufgeregt] und [nervöses Lachen]. Es wird hinzugefügt, dass Nutzer, die von S1 migrieren, klammerbasierte Tags in Klammern umwandeln sollten, da S2 Modelle das ältere Format nicht lesen.
Zum Self-Hosting sagt der Leitfaden, dass Fish Audio einige Modellgewichtungen veröffentlicht und S2-Pro lokal hinter dem API-Server von Fish laufen kann. Die Hintergrunddokumentation besagt, dass das offizielle Repository Linux oder WSL und mindestens 24 GB GPU-Speicher für S2 Inferenz empfiehlt, mit Unterstützung für Kommandozeilen-Inferenz, eine Gradio WebUI, einen API-Server und Docker-Deployment. Es heißt außerdem, S2-Pro ein Modell mit 4-Milliardenparametern ist, das natürliche Sprachausdrücke in eckigen Klammern, mehrsprachige Sprache und mehrsprachige Erzeugung unterstützt.
Die Lizenzierung scheint in den Projektmaterialien unterschiedlich zu sein. Der Leitfaden besagt, dass s2-pro-Gewichte unter der Fish Audio Research License heruntergeladen werden können, während der umfassendere Codebestand in der aktuellen Repository-Dokumentation unter der Fish Audio Community License beschrieben ist. Das Hintergrundmaterial besagt, dass Nutzer die geltenden Bedingungen vor kommerziellem Selbsthosting überprüfen sollten.
Verwandte Veröffentlichungsnotizen aus dem Alter 2026-03-10 sagen, dass Fish Audio angekündigt hat, dass S2 Open Source ist und dass die Version 1.3.0 des Python SDK S2-Pro-Unterstützung und erweiterte TTS-Generierungsparameter hinzugefügt hat. Die Beispiele des Artikels weisen außerdem darauf hin, dass ältere fish_audio_sdk-Importe nicht mehr aktualisiert werden und der moderne Paketname fish-audio-sdk lautet.