Fish Audio S2 Pro: озвучка по API
Fish Audio S2 Pro — прошлое поколение озвучки Fish Audio и основа нынешней S2.1 Pro. Она понимает эмоции, записанные своими словами в квадратных скобках, говорит больше чем на 80 языках, включая русский, а Fish публикует её как открытую модель. По API её берут для объявлений, документальных роликов и презентаций. Цена — 3,36 ₽ за 1000 букв кириллицы.
- 3,36 ₽ за 1000 букв кириллицы
- до 4 096 знаков
- текст → звук
fishaudio/s2-pro
Обновлено:
Получить ключ Попробовать Документация
Попробовать Fish Audio S2 Pro
Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.
Текст для озвучки: «[serious] Внимание: с понедельника меняется расписание автобусов. Новые часы — на сайте и на остановках.»
В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.
Цены Fish Audio S2 Pro в рублях
| Текст — латиница, цифры и пробелы — вдвое дешевле | 3,36 ₽ за 1000 букв кириллицы |
|---|
Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена
Сколько стоят типичные задачи
Суммы посчитаны по цене выше — сколько спишется за такую работу.
| Объявления для пассажиров и жильцов: объявление на 200 знаков по-русски | Около 0,68 ₽ |
|---|---|
| Закадровый голос документального ролика: фильм на 6 000 знаков по-русски | Около 20,16 ₽ |
| Озвучка презентации или питча: двенадцать слайдов по 300 знаков по-русски | Около 12,10 ₽ |
| Аудиоверсия рассылки или поста: письмо на 3 000 знаков по-русски | Около 10,08 ₽ |
| Демо-ролик приложения: ролик на 800 знаков по-русски | Около 2,69 ₽ |
Что умеет Fish Audio S2 Pro
- Больше 80 языков, язык определяется по тексту автоматически (модели Fish Audio).
- Время до первого звука около 100 мс: такую цифру Fish указывает для S2 Pro.
- Эмоции записываются свободными словами в квадратных скобках, как у S2.1 Pro: [serious], [calm], [whispering], [low and measured].
- Паузы ставят теги [break] и [long-break], звуки — [sighing], [chuckling], [yawning].
- Fish выпустила S2 Pro как открытую модель (open-source).
- Голоса — официальные голоса Fish. Запрос вмещает до 4 096 знаков, ответ — MP3, WAV, Opus или PCM.
Где применять
Объявления для пассажиров и жильцов
Объявление должно звучать спокойно и без двусмысленностей, а повторяют его десятки раз. Тег [serious] в начале даёт нужную строгость, а Ethan, которого Fish описывает как авторитетный и ясный голос, звучит убедительно и без нажима. Время и даты пиши словами, «с семи утра», а не «с 7:00», так их не прочитают по-своему. Готовое объявление сохраняй файлом и включай столько раз, сколько нужно.
Пример запроса: «[serious] Внимание: в субботу с десяти до двух во втором подъезде отключат горячую воду.»
Стоимость: объявление на 200 знаков по-русски — около 0,68 ₽.
Закадровый голос документального ролика
Документальному фильму нужен рассказчик, который не спешит и не играет. У Fish для этого есть Adrian: в каталоге он описан как надёжный рассказчик с глубоким голосом и размеренной подачей. Описание [low and measured] держит тон, а [break] между сценами даёт зрителю время рассмотреть кадр. Текст за кадром дели по сценам монтажа, тогда каждый кусок легко подогнать под картинку и переставить, если сцены поменяются местами.
Пример запроса: «[low and measured] В тысяча девятьсот шестом году здесь ещё шумела ярмарка. [break] Сегодня от неё осталась только водонапорная башня.»
Стоимость: фильм на 6 000 знаков по-русски — около 20,16 ₽.
Озвучка презентации или питча
Презентацию для инвесторов или клиентов удобно отправлять со звуком: её смотрят без докладчика. Laura в каталоге Fish — уверенная рассказчица с тёплым тоном, ей подходит деловой текст. Озвучивай каждый слайд отдельным запросом, тогда правка одного слайда не заставит переделывать всё. Тег [confident] в начале задаёт деловой тон, а [break] перед главной цифрой даёт ей прозвучать. Цифры в тексте пиши словами, чтобы они звучали так, как ты их произносишь на встрече.
Пример запроса: «[confident] За год мы открыли четыре пункта выдачи. [break] Теперь хотим открыть ещё десять, и вот почему.»
Стоимость: двенадцать слайдов по 300 знаков по-русски — около 12,10 ₽.
Аудиоверсия рассылки или поста
Длинное письмо или пост в канале удобно слушать по дороге, когда читать с телефона неудобно. Для такой озвучки у Fish есть Sarah — мягкий искренний голос, как в разговоре с подругой. Перед отправкой почисти текст: ссылки, смайлики и «читать далее» модель прочитает буквально. Тег [warm] в начале задаёт дружеский тон всего выпуска. Заголовки разделов оставь в тексте отдельными строками и поставь перед ними [break], чтобы слушатель услышал, что началась новая тема.
Пример запроса: «[warm] Привет! В этом письме — три книги на выходные и одна, которую не стоит открывать на ночь.»
Стоимость: письмо на 3 000 знаков по-русски — около 10,08 ₽.
Демо-ролик приложения
Видео с экрана телефона часто объясняет приложение нагляднее инструкции, если за кадром звучит понятный голос. Hannah у Fish отмечена как ясный дружелюбный голос для обучения, её и бери. Каждый шаг ролика — короткая фраза с глаголом действия: открой, нажми, проверь. Тег [friendly] держит лёгкий тон, а [break] после действия даёт зрителю увидеть результат на экране. Названия кнопок пиши так же, как они подписаны в приложении.
Пример запроса: «[friendly] Открой вкладку „Заказы“ и нажми на синий плюс. [break] Готово, новый заказ создан.»
Стоимость: ролик на 800 знаков по-русски — около 2,69 ₽.
Как писать запрос
Описание эмоции держи коротким и конкретным: [serious] звучит предсказуемее длинной фразы о настроении. После звука допиши то, что он означает: «хе-хе» после [chuckling], «эх» после [sighing]. Паузы ставь тегами [break] и [long-break], а не цепочками точек. И проверь скобки: описание без них модель прочитает как обычный текст.
Характеристики
| Разработчик | Fish Audio |
|---|---|
| Вид | Озвучка текста |
| Голоса | Adrian, Ethan, Hannah, Jordan, Laura, Sarah и ещё 1 |
| Языки | en |
| Текст за запрос | до 4 096 знаков |
| Форматы звука | mp3, opus, wav, pcm |
| Как считается текст | Цена — за 1000 букв кириллицы. Латиница, цифры, пробелы и знаки препинания стоят вдвое дешевле: модель считает текст в байтах. |
| id для запроса | fishaudio/s2-pro |
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.
Запрос — POST https://veselo.ai/v1/audio/speech с полем model: fishaudio/s2-pro, ключ — в заголовке Authorization: Bearer sk-vsl-….
curl
curl https://veselo.ai/v1/audio/speech \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-H "Content-Type: application/json" \
-d '{
"model": "fishaudio/s2-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-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-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()));Пример ответа — только поля
HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …
<звук MP3>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
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| Fish Audio S2 Pro — эта модель | 3,36 ₽ / 1000 букв кириллицы | до 4 096 знаков | ровный закадровый голос для объявлений, документальных роликов и презентаций |
| Fish Audio S2.1 Pro — Fish Audio | 3,36 ₽ / 1000 букв кириллицы | до 4 096 знаков | живая озвучка роликов и уроков с эмоциями, описанными своими словами |
| Fish Audio Drama 3 — Fish Audio | 11,18 ₽ / 1000 букв кириллицы | до 4 096 знаков | актёрская озвучка трейлеров и персонажей на английском с указаниями к каждой реплике |
| Eleven Multilingual v2 — ElevenLabs | 11,18 ₽ / 1000 знаков | до 4 096 знаков | длинные ровные тексты на русском: аудиокниги, справки, голос бренда |
| Cartesia Sonic 3.6 — Cartesia | 4,18 ₽ / 1000 знаков | до 4 096 знаков | служебные фразы на русском: уведомления, коды, очередь, ответы бота |
| Amazon Polly Generative — Amazon | 3,36 ₽ / 1000 знаков | до 3 000 знаков | разговорные английские и европейские голоса с акцентами для ассистентов и рекламы |
- Fish Audio S2.1 Pro — для нового проекта: Fish советует для работы именно её.
- Fish Audio Drama 3 — когда нужна актёрская игра: указания, звуки и выделение слов, в первую очередь на английском.
- Eleven Multilingual v2 — для очень длинных ровных текстов вроде аудиокниг.
- Cartesia Sonic 3.6 — если нужен голос из русского набора, а скорость и громкость удобно менять тегами.
Версии и отличия
- Fish Audio S2.1 Pro — следующая версия: выше качество, меньше задержка, 83 языка. Fish советует её для рабочих проектов.
- Fish Audio Drama 3 — новая модель Fish для режиссуры с указаниями актёру и тегами на отдельные слова.
Подробно о Fish Audio S2 Pro
S2 Pro — модель, с которой у Fish началось второе поколение озвучки. Сейчас компания называет её прошлой версией и советует для работы S2.1 Pro, но S2 Pro по-прежнему доступна. Одна из причин видна прямо в документации: официальная библиотека Fish для Python по умолчанию обращается именно к S2 Pro, и программы, написанные на ней, продолжают работать без правок.
У модели три заметные черты. Первая — эмоции свободными словами. Квадратные скобки для S2 не команды из словаря, а обычный текст, смысл которого модель научилась слышать: [whispers sweetly] и [laughing nervously] она поймёт так же, как короткое [sad]. Вторая — скорость: до первого звука, по данным Fish, проходит около 100 мс. Третья — открытость. Fish выпустила S2 Pro как open-source и обслуживает её на собственном стеке на основе SGLang.
Языков у S2 Pro больше 80, русский среди них, и язык модель определяет по тексту. Голоса у нас только официальные: Fish записывала их по-английски, а говорят они на любом языке модели. В общей библиотеке Fish есть и голоса от пользователей, в том числе подделки под известных людей. Их мы не даём.
Объём текста Fish меряет в байтах UTF-8, и русская буква весит в них вдвое больше латинской. Поэтому мы берём плату за буквы кириллицы, а латиница, цифры и пробелы идут за полцены. Строки «Стоимость» выше посчитаны по числу знаков русского текста, с небольшим запасом на пробелы.
Если ты переносишь тексты со старой Fish S1, эмоции придётся переписать: S1 понимала круглые скобки вроде (happy), а S2 их не читает как указания. Между S2 Pro и S2.1 Pro такой проблемы нет, синтаксис у них общий. Поэтому S2 Pro удобно держать как запасной вариант: тот же текст с теми же тегами можно отправить в обе модели и сравнить.
Как устроен доступ
Весело — не разработчик Fish Audio S2 Pro: модель выпускает Fish Audio. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность
Вопросы и ответы
- Стоит ли переходить с Fish Audio S2 Pro на S2.1 Pro?
- Для нового проекта — да, Fish прямо советует S2.1 Pro для работы. Если серия роликов уже озвучена S2 Pro, сначала сравни обе модели на одном абзаце тем же голосом: синтаксис общий, а звук может отличаться.
- Нужно ли переписывать теги при переходе с S2 Pro на S2.1 Pro?
- Нет. Обе модели понимают одни и те же квадратные скобки со свободными описаниями, поэтому тексты переносятся как есть. Переписывать придётся только старые теги S1 в круглых скобках.
- Как сделать паузу в Fish Audio S2 Pro?
- Тегом [break] для короткой паузы и [long-break] для длинной, их можно ставить в любом месте текста. Для паузы между крупными частями проще сделать два запроса и склеить файлы с нужной тишиной.
- Что значит, что S2 Pro — открытая модель?
- Fish публикует S2 Pro как open-source, то есть модель можно запустить на своём оборудовании. Через наш API ничего запускать не нужно: отправляешь текст, получаешь звук и платишь только за объём текста.
- Как Fish Audio S2 Pro считает объём текста?
- Сама Fish — в байтах UTF-8: буква латиницы занимает один байт, кириллицы — два. Наша цена поэтому — 3,36 ₽ за 1000 букв кириллицы, а латиница, цифры и пробелы стоят вдвое дешевле, и тот же текст по-английски обходится примерно в два раза меньше.
- Подходит ли S2 Pro для длинных текстов?
- Да, если резать их на части: один запрос вмещает до 4 096 знаков. Держи один голос и похожие теги во всех частях, а границы ставь по абзацам, чтобы интонация не обрывалась посреди мысли.
- Сколько запросов можно отправлять?
- До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
- Можно ли использовать результат в рекламе и соцсетях?
- Можно: мы не претендуем на результат, использовать его можно любым законным способом, не нарушая прав других людей. Только не выдавай его за голос, лицо или слова настоящего человека — так требуют правила API.
- Нужны ли VPN и зарубежная карта для Fish Audio S2 Pro?
- Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: docs.fish.audio