Fish Audio Voice Clone API

上传清晰录音创建可复用的 Fish Audio Voice ID，再作为 reference_id 用于 TTS；网站 Free Tier 目前提供 3 个公开音色槽。

更新于 2026/7/152 个代码示例

关于该模型

为什么选择 Fish Audio S2.1 Pro？

如果你希望用同一个模型生成多语言自然语音，而不想分别维护多套语言模型，S2.1 Pro 很合适。它会自动识别输入语言，并覆盖 83 种语言。

核心优势

自然语言控制： 直接在文本中加入 [whispers sweetly]、[laugh]、[sigh] 等描述。
音色可复用： 声音克隆后会得到 Voice ID，后续作为 reference_id 使用。
免费模型同等质量： s2.1-pro-free 与 s2.1-pro 使用相同的模型质量和语言覆盖。

免费依据

API 模型 s2.1-pro-free 面向开发和测试，在未公开具体数值的 fair-use 限制内为 $0，且不承诺 TTFA 或 DPA。它与网站 Free Tier 是两套口径：后者目前列出每月 8,000 credits、约 7 分钟、单次 500 字符和 3 个公开音色槽。

查看 Fish Audio S2.1 Pro 的所有免费供应商

如何免费接入 (通过 Fish Audio)

为什么创建持久声音克隆？

持久克隆会把一段或多段录音转成可复用的 Voice ID，用于品牌、旁白、角色或本地化音色。

录音建议

支持 WAV、MP3、M4A 或 Opus，录音中应只有一位清晰说话人。
至少准备 10 秒；一到两分钟的干净语音能提高相似度。
避免音乐、混响、底噪和多人重叠；对应文本有助于改善发音。

免费依据

网站 Free Tier 目前列出无需信用卡的增强声音克隆与 3 个公开音色槽。这一额度与 $0 fair-use 的 s2.1-pro-free API 模型不同。本条目提供完整 multipart 示例，但不进入本站 Playground，因为录音上传与声音模型管理需要独立的授权和存储流程。

📖 查看完整指南

在浏览器里试用

选个模型、粘贴你自己的免费 Key，即可运行。你的 Key 只用于调用一次该提供商，绝不存储在我们的服务器上。

调用代码示例

curl

curl --request POST https://api.fish.audio/model \
  --header "Authorization: Bearer $FISH_API_KEY" \
  --form type=tts \
  --form title="My Voice" \
  --form "description=Cloned from a clean sample" \
  --form visibility=public \
  --form train_mode=fast \
  --form enhance_audio_quality=true \
  --form voices=@sample.wav

python

import os
import requests

with open("sample.wav", "rb") as audio:
    response = requests.post(
        "https://api.fish.audio/model",
        headers={"Authorization": f"Bearer {os.environ['FISH_API_KEY']}"} ,
        data={"type": "tts", "title": "My Voice",
              "visibility": "public", "train_mode": "fast",
              "enhance_audio_quality": "true"},
        files={"voices": ("sample.wav", audio, "audio/wav")},
        timeout=60,
    )
response.raise_for_status()
print(response.json()["_id"])

限制与注意事项

上传录音前须知

只能克隆自己的声音或已取得明确书面授权的声音；不要擅自复制网络音频或公众人物声音。
在安静环境中录制至少 10 秒且只有一位清晰说话人；两到三段 15–20 秒录音是更稳妥的起点。
Create Model 使用 multipart；让 HTTP 客户端自动设置 boundary。公开音色需要封面图。
把返回的 _id 保存为 Voice ID。网站 Free Tier 的 3 个公开音色槽与 $0 TTS API 模型分开计算。查看官方声音克隆指南。

社区反馈

评论与你的 GitHub 账号绑定，登录后即可参与讨论。