Весело
Весело

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:

Получить ключ Документация

Модели и цены

Озвучка текста

Озвучка: цена в рублях за 1000 знаков или за запись
МодельЗнаков за разЦена
Fish Audio S2.1 Proдо 4 0963,36 ₽ за 1000 букв кириллицы
Fish Audio S2 Proдо 4 0963,36 ₽ за 1000 букв кириллицы
Fish Audio Drama 3до 4 09611,18 ₽ за 1000 букв кириллицы
Fish Audio S1до 4 0963,36 ₽ за 1000 букв кириллицы

Распознавание речи

Распознавание речи: цена в рублях за минуту звука
МодельЗвука за разЦена
Fish Audio Transcribe 1до 2 ч0,68 ₽ 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.

  1. Войди на veselo.ai любым способом и открой кабинет API. Там выпускается ключ sk-vsl-… — сохрани его сразу.
  2. Положи деньги на API-счёт: картой российского банка, по СБП, через T-Pay или SberPay.
  3. Отправь запрос на https://veselo.ai/v1/audio/speech с model: "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.mp3

Python

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

Fish Audio S2.1 Pro · Документация раздела

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 заголовке Authorization, 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