Fish Audio по API на русском
Fish Audio — сервис голосовых нейросетей, и по нашему ключу доступны его модели озвучки. Главная из них, S2.1 Pro, понимает 83 языка, русский среди них, а эмоции задаются словами в квадратных скобках. Рядом — S2 Pro и «режиссёрская» Drama 3. Голоса только официальные, без копий знаменитостей, а платишь в рублях за объём текста.
- 5 моделей
- от 3,36 ₽ за 1000 букв кириллицы
- озвучка текста, распознавание речи
Обновлено:
Модели и цены
Озвучка текста
| Модель | Знаков за раз | Цена |
|---|---|---|
| Fish Audio S2.1 Pro | до 4 096 | 3,36 ₽ за 1000 букв кириллицы |
| Fish Audio S2 Pro | до 4 096 | 3,36 ₽ за 1000 букв кириллицы |
| Fish Audio Drama 3 | до 4 096 | 11,18 ₽ за 1000 букв кириллицы |
| Fish Audio S1 | до 4 096 | 3,36 ₽ за 1000 букв кириллицы |
Распознавание речи
| Модель | Звука за раз | Цена |
|---|---|---|
| Fish Audio Transcribe 1 | до 2 ч | 0,68 ₽ за минуту звука |
Как выбрать
Fish Audio — по-русски его часто пишут «фиш аудио» — многие знают по огромной библиотеке голосов на их сайте. По API у нас — сами модели озвучки, и выбор между ними сводится к вопросу: нужен естественный голос на русском или режиссура сцены.
- Fish Audio S2.1 Pro — модель, которую Fish Audio рекомендует для работы. Она знает 83 языка и определяет язык текста сама: достаточно прислать текст по-русски. Эмоции пишутся свободными словами в квадратных скобках —
[warm and happy],[whispers sweetly],[laughing nervously], — фиксированного списка нет. - Fish Audio S2 Pro — прошлое поколение S2 с открытыми весами: 80+ языков и та же разметка эмоций. Fish Audio пишет, что у S2.1 Pro выше качество и меньше задержка, поэтому S2 Pro стоит брать, если программа уже настроена на неё.
- Fish Audio Drama 3 — модель для режиссуры. Указание, как сыграть строку, пишется своими словами, звуки и паузы ставятся прямо в текст, а парные метки вроде
<whisper>…</whisper>меняют подачу отдельных слов. Список языков Drama 3 Fish Audio не публикует, все примеры у них на английском, поэтому русский у неё мы не обещаем.
Отдельно — о голосах. На сайте Fish Audio тысячи голосов, загруженных пользователями, и среди них копии голосов знаменитостей и персонажей. У нас таких нет и не будет: по API доступны только официальные голоса Fish Audio. Голос известного человека без его согласия — подделка, и её запрещают условия API.
Цена у всех моделей — за объём текста. Сколько стоит каждая, видно в таблице моделей на этой странице.
Популярные задачи
Ролик на русском с живой интонацией
Для короткого ролика в соцсетях подойдёт Fish Audio S2.1 Pro. Fish Audio советует ставить метку эмоции в начало предложения и держать одну главную эмоцию на фразу; смешивать можно, но не больше трёх. Так голос не «скачет» внутри одной мысли. Метки звуков и тона, наоборот, работают в любом месте текста.
Пример запроса: «[warm and happy] Привет! Это голос для твоего ролика. [whispering] А теперь секрет: его сделала нейросеть.»
Сценка с режиссурой и звуками
Fish Audio Drama 3 понимает указания, написанные как бриф актёру: «[tired, but trying to sound cheerful] I'm fine. Really.» По документации, указание можно писать и на другом языке — не обязательно на языке реплики. Вздох [shaky breath] или смешок [small laugh] ставь ровно туда, где они должны прозвучать. В одном запросе у нас один голос, так что диалог двух героев собирай из нескольких запросов и склеивай в монтаже.
Новости, объявления и посты голосом
Для ровного делового текста хватит Fish Audio S2 Pro или S2.1 Pro с меткой [serious] в начале. Числа, время и адреса пиши словами, как их нужно произнести: «с восьми утра», «дом семнадцать». Длинный пост раздели на абзацы и отправь частями — за один запрос уходит до 4 096 знаков.
Пример запроса: «[serious] Внимание: с понедельника меняется расписание автобусов. Новые часы — на сайте и на остановках.»
Голос для приложения или бота
Подсказки в приложении, ответы бота, озвучка уведомлений — короткие фразы, где важна ясность. S2.1 Pro быстрее S2 Pro, а один официальный голос на всё приложение звучит как его «характер». Подбери голос на одной короткой фразе и закрепи его id в коде, чтобы все фразы звучали одинаково.
Ролики для зрителей из разных стран
S2.1 Pro сама определяет язык каждого текста, поэтому одну и ту же озвучку легко выпустить на русском, английском и испанском. Пришли три текста по очереди с одним голосом. Другие модели, которые говорят по-русски, собраны в разделе озвучка текста по API.
Как получить ключ Fish Audio API в России
Fish Audio API key не понадобится: у нас свой ключ, и он подходит ко всем моделям каталога.
- Войди на veselo.ai любым способом и открой кабинет API. Там выпускается ключ
sk-vsl-…— сохрани его сразу. - Положи деньги на API-счёт: картой российского банка, по СБП, через T-Pay или SberPay.
- Отправь запрос на
https://veselo.ai/v1/audio/speechсmodel: "fishaudio/s2.1-pro", официальным голосом из списка модели и текстом с метками.
Формат — как у audio.speech в OpenAI, а не как в API Fish Audio: адреса /v1/tts и заголовка model у нас нет, модель передаётся полем в теле запроса. Остальные поля — в разделе озвучка.
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI. Пример — с моделью Fish Audio S2.1 Pro: у других моделей меняется только model.
curl
curl https://veselo.ai/v1/audio/speech \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{
"model": "fishaudio/s2.1-pro",
"voice": "bf322df2096a46f18c579d0baa36f41d",
"input": "Добрый вечер! Сегодня в программе — хорошие новости."
}' \
--output speech.mp3Python
from openai import OpenAI # pip install openai
client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)
with client.audio.speech.with_streaming_response.create(
model="fishaudio/s2.1-pro",
voice="bf322df2096a46f18c579d0baa36f41d",
input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
r.stream_to_file("speech.mp3")JavaScript
import fs from 'node:fs';
const res = await fetch('https://veselo.ai/v1/audio/speech', {
method: 'POST',
headers: { Authorization: 'Bearer sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
body: JSON.stringify({ model: 'fishaudio/s2.1-pro', voice: 'bf322df2096a46f18c579d0baa36f41d', input: 'Добрый вечер! Сегодня в программе — хорошие новости.' }),
signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP
Версии и отличия
- S2.1 Pro — рекомендованная модель Fish Audio: 83 языка, свободные метки эмоций в квадратных скобках.
- S2 Pro — прошлое поколение S2: 80+ языков, открытые веса, та же разметка.
- Drama 3 — самая новая модель Fish Audio, сделана для режиссуры: указания своими словами, звуки, паузы и парные метки
<whisper>,<emphasis>,<soft>,<fast>,<slow>,<stress>,<forceful>. Смена языка посреди фразы у неё пока экспериментальная. - S1 — устаревшая. Fish Audio отключит её 31 декабря 2026 года, после этого запросы к S1 у них будут обслуживаться моделью S2.1 Pro. S1 знает 13 языков, включая русский, а эмоции пишет в круглых скобках из фиксированного списка:
(happy). Сам Fish Audio такие метки в новые не переводит, при переходе их нужно переписать вручную. - Transcribe 1 — распознавание коротких записей. Fish Audio тоже снимает его 31 декабря 2026 года, поэтому для расшифровки удобнее сразу взять модель из раздела распознавание речи по API.
Вопросы и ответы
- Можно ли озвучить текст голосом знаменитости?
- Нет. Голосов знаменитостей, блогеров и персонажей у нас нет — только официальные голоса Fish Audio. Копия чужого голоса без согласия человека — это подделка, и её запрещают условия API.
- Это сайт Fish Audio на русском?
- Нет. Весело — отдельный сервис: мы открываем модели Fish Audio по API с оплатой в рублях. Попробовать модель без кода можно на её странице: после входа запрос оплачивается с API-счёта, цена видна на кнопке до запуска.
- Как задать эмоцию в Fish Audio?
- У S2.1 Pro, S2 Pro и Drama 3 — словами в квадратных скобках в начале предложения:
[sad],[excited],[whispering]. У старой S1 — в круглых скобках и только из её списка. Неудачная метка не страшна: перепиши её проще и отправь текст ещё раз. - Почему русский текст может стоить дороже английского?
- Fish Audio считает объём текста в байтах UTF-8 — так написано в их прайсе. Русская буква занимает два байта, латинская — один, поэтому наша цена у моделей Fish — за 1000 букв кириллицы, а латиница, цифры и пробелы стоят вдвое дешевле. Точная сумма каждого запроса приходит в ответе, в заголовке
x-veselo-cost-rub. - Что будет с Fish Audio S1 после 31 декабря 2026 года?
- Fish Audio её отключит. Переходи на S2.1 Pro заранее и не забудь переписать метки: круглые скобки S1 новые модели не понимают как эмоции.
- Подойдёт ли код, написанный под API Fish Audio?
- Нет, его нужно поменять. У нас формат OpenAI: адрес
/v1/audio/speech, ключ в заголовкеAuthorization, а модель, голос и текст — в теле запроса. Логику программы трогать не придётся — меняется только сам вызов. - Нужны ли VPN и зарубежная карта?
- Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
- Сколько стоит запрос, который закончился ошибкой?
- Нисколько: ошибка нейросети денег не стоит, удержание на время запроса снимается целиком.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: docs.fish.audio