Fish Audio 是什么？免费 S2.1 Pro TTS 与声音克隆指南

Fish Audio 是一个 AI 语音平台，可以把文字转换为自然语音，也可以把一个音色保存下来，在不同产品和内容中反复使用。它最实用的工作流很直接：用 S2.1 Pro 生成语音，创建或选择音色，再把 Voice ID 传给后续请求。

为什么值得尝试 Fish Audio？

• 一个模型覆盖 83 种语言： S2.1 Pro 会自动识别输入语言，适合多语言产品、出海内容和中外文混合文本。
• 直接用文字描述表演方式： 在正文中加入 [whispers sweetly]、[laugh] 或 [excited]，即可控制表达，不需要维护固定的情绪枚举。
• 音色可以复用： 完成一次声音克隆后会得到 Voice ID，后续作为 reference_id 传给 TTS。
• 从想法到 MP3 的路径很短： Free AI API Playground 支持默认音色或可选 Voice ID，生成后可以直接播放和下载 MP3。

它适合做什么？

• 为视频、播客、课程和产品演示制作多语言旁白。
• 为游戏角色、AI 陪伴应用和对话 Agent 配置稳定音色。
• 制作无障碍朗读、通知播报和语音交互原型。
• 在拥有声音权利或取得明确授权的前提下，为重复内容保持一致的品牌声音。

“免费”其实有两套口径

Fish Audio 目前有两种容易混淆的免费方式：

• API 开发模型： s2.1-pro-free 的价格是每百万 UTF-8 bytes 为 $0，与 s2.1-pro 使用相同的模型质量和语言覆盖。但它受 fair-use 限制，也不提供 TTFA 或 DPA 保证，更适合评估、原型、开发和较小规模的业务。
• Fish Audio 网站 Free Tier： 套餐页目前列出每月 8,000 credits、约 7 分钟生成时长、单次 500 字符和 3 个公开音色槽，而且无需信用卡。

$0 API 模型并不等于无限生产容量。如果项目需要稳定延迟或服务保证，应先测量真实负载，再考虑生产模型。

四步开始使用

• 注册 Fish Audio。
• 按照带截图的 API Key 教程创建并安全保存 Key。
• 打开 S2.1 Pro TTS Playground，粘贴 Key，输入不超过 500 个字符，先用默认音色生成 MP3。
• 如果需要自定义音色，先调用声音克隆 Endpoint，再把得到的 Voice ID 粘贴到 Playground。

只克隆你拥有或已经取得明确授权的声音。干净的参考录音比昂贵设备更重要；Fish Audio 建议至少录制 10 秒，并尽量选择安静、少混响的环境。

在 Free AI API 继续了解

查看 Fish Audio Provider 页面、S2.1 Pro 模型页面，以及官方的模型说明和价格说明。准备好后，可以注册账号并立即尝试。