Fish Audio : Fish Audio S2-Pro

Name: Fish Audio S2-Pro
Author: Fish Audio

fish/s2-pro

actif tts 1 fournisseur

Playground

Fish Audio S2-Pro text-to-speech model with multi-speaker support and natural-language expression control.

AuteurFish Audio

Langues1 langues

VoixChargement...

Formats de réponseMP3 · WAV · PCM · Opus

Statutactif

Démarrage rapide

Fish Audio S2-Pro

Créez une clé API

Inscrivez-vous sur AllModels, créez une clé API et définissez-la dans ALLMODELS_API_KEY.

Créer une clé API

Envoyez une requête

Choisissez un SDK, un mode de requête et un langage. Le modèle et la route fournisseur sont déjà renseignés.

TTS en streaming avec l’ElevenLabs SDK

Fait passer l’ElevenLabs SDK par AllModels et diffuse la réponse audio en streaming.

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const stream = await client.textToSpeech.stream("voice_id", {
  text: "I'm sorry, Dave. I'm afraid I can't do that.",
  modelId: "fish/s2-pro",
  outputFormat: "mp3_44100_128"
}, {
  queryParams: {
    provider: {
      "only": [
        "fish"
      ]
    }
  }
});

const reader = stream.getReader();
for (;;) {
  const { done, value } = await reader.read();
  if (done) break;
  // Write value to your response, file, or audio playback pipeline.
}

Transmettez les paramètres du fournisseur

Transmettez les préférences provider via les options de requête du SDK compatible lorsque vous voulez fixer une route sur un fournisseur.

{
  queryParams: {
    provider: {
      only: ["fish"]
    }
  }
}

Fournisseurs

Plusieurs fournisseurs peuvent héberger le même modèle. Choisissez-en un lorsque vous avez besoin d’un backend fixe, ou laissez le routage choisir parmi eux.

FournisseurSlugPour 1k caractèresLatenceiModesDisponibilité

Fish Audio 19 paramètres

fish

$0,015

—

Synchrone · Streaming

Fish Audio

19 paramètres fournisseur documentés pour cette route.

Tarifs

ModeLanguePour 1k caractères

Text To Speech Toutes $0,015 ($15.00 usd Per 1m Utf8 Bytes)

Paramètres

model header · string · obligatoire

Specify which TTS model to use. We recommend `s2-pro`.

par défaut "s2-pro"2 valeurs d’énumération

Valeurs

s1s2-pro

text body · string · obligatoire

Text to convert to speech.

chunk_length body · integer · facultatif

Text segment size for processing.

par défaut 300min 100max 300

condition_on_previous_chunks body · boolean · facultatif

Use previous audio as context for voice consistency.

par défaut true

early_stop_threshold body · number · facultatif

Early stopping threshold for batch processing.

par défaut 1min 0max 1

format body · string · facultatif

Output audio format.

par défaut "mp3"4 valeurs d’énumération

Valeurs

wavpcmmp3opus

latency body · string · facultatif

Latency-quality trade-off. normal: best quality, balanced: reduced latency, low: lowest latency.

par défaut "normal"3 valeurs d’énumération

Valeurs

lownormalbalanced

max_new_tokens body · integer · facultatif

Maximum audio tokens to generate per text chunk.

par défaut 1024

min_chunk_length body · integer · facultatif

Minimum characters before splitting into a new chunk.

par défaut 50min 0max 100

mp3_bitrate body · integer · facultatif

MP3 bitrate in kbps. Only applies when format is mp3.

par défaut 1283 valeurs d’énumération

Valeurs

64128192

normalize body · boolean · facultatif

Normalizes text for English and Chinese, improving stability for numbers.

par défaut true

opus_bitrate body · integer · facultatif

Opus bitrate in bps. -1000 for automatic. Only applies when format is opus.

par défaut -10005 valeurs d’énumération

Valeurs

-100024000320004800064000

prosody body · object | null · facultatif

Speed and volume adjustments for the output.

par défaut null

reference_id body · string | array | null · facultatif

Voice model ID(s) from Fish Audio library or your custom models. For single-speaker synthesis, provide a string. For multi-speaker synthesis (dialogue), provide an array of model IDs. **Multi-speaker is only available with the S2-Pro model.** When using multiple speakers, use speaker tags in your text like `<|speaker:0|>` and `<|speaker:1|>` to indicate speaker changes. Example: `<|speaker:0|>Hello!<|speaker:1|>Hi there!<|speaker:0|>How are you?` with `reference_id: ["speaker-a-id", "speaker-b-id"]`.

par défaut null

references body · array | array | null · facultatif

Inline voice references for zero-shot cloning. Requires MessagePack (not JSON). For single speaker, provide an array of ReferenceAudio objects. For multiple speakers, provide an array of arrays where each inner array contains references for one speaker. **Multi-speaker is only available with the S2-Pro model.** The speaker index corresponds to the index in reference_id array. Example for multi-speaker: [[{audio, text}], [{audio, text}, {audio, text}]] for 2 speakers where speaker 1 has 2 reference samples.

repetition_penalty body · number · facultatif

Penalty for repeating audio patterns. Values above 1.0 reduce repetition.

par défaut 1.2

sample_rate body · integer | null · facultatif

Audio sample rate in Hz. When null, uses the format's default (44100 Hz for most formats, 48000 Hz for opus).

par défaut null

temperature body · number · facultatif

Controls expressiveness. Higher is more varied, lower is more consistent.

par défaut 0.7min 0max 1

top_p body · number · facultatif

Controls diversity via nucleus sampling.

par défaut 0.7min 0max 1

Langues prises en charge

1 langues

English en

Voix

Fonctionnalités

Text to speech

Generates spoken audio from text input.

text_to_speech

Streaming

Supports streaming audio output (HTTP + WebSocket) with optional timestamps.

streaming

Synchronous

Synthesizes speech from fully-submitted text in a single synchronous request.

synchronous

Multilingual

Supports 80+ languages.

multilingual

Voice cloning

Supports instant (reference audio) and persistent (reference_id) voice cloning.

voice_cloning

Emotion / expression control

Natural-language and bracket expression control; multi-speaker.

emotion_control

Code

TTS en streaming avec l’ElevenLabs SDK

Fait passer l’ElevenLabs SDK par AllModels et diffuse la réponse audio en streaming.

import { ElevenLabsClient } from "elevenlabs";

const client = new ElevenLabsClient({
  apiKey: process.env.ALLMODELS_API_KEY,
  baseUrl: "https://api.allmodels.io/el"
});

const stream = await client.textToSpeech.stream("voice_id", {
  text: "I'm sorry, Dave. I'm afraid I can't do that.",
  modelId: "fish/s2-pro",
  outputFormat: "mp3_44100_128"
}, {
  queryParams: {
    provider: {
      "only": [
        "fish"
      ]
    }
  }
});

const reader = stream.getReader();
for (;;) {
  const { done, value } = await reader.read();
  if (done) break;
  // Write value to your response, file, or audio playback pipeline.
}