---
title: "Fish Audio S2 Pro: озвучка по API"
description: "Прошлое поколение озвучки Fish Audio: эмоции и звуки своими словами в скобках, больше 80 языков с русским, официальные голоса."
url: https://veselo.ai/models/fishaudio/s2-pro
updated: 2026-11-16T14:39:32.641Z
---

# 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: 16 ноября 2026 г.

[Получить ключ](https://veselo.ai/developer) Попробовать [Документация](https://veselo.ai/docs/speech)

## 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](https://veselo.ai/docs/pricing)

### 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](https://docs.fish.audio/developer-guide/models-pricing/models-overview)).
- 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.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-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](https://veselo.ai/connect)

[Документация раздела](https://veselo.ai/docs/speech)

## 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](https://veselo.ai/models/fishaudio/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](https://veselo.ai/models/fishaudio/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](https://veselo.ai/models/elevenlabs/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](https://veselo.ai/models/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](https://veselo.ai/models/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**](https://veselo.ai/models/fishaudio/s2.1-pro) — для нового проекта: Fish советует для работы именно её.
- [**Fish Audio Drama 3**](https://veselo.ai/models/fishaudio/drama-3) — когда нужна актёрская игра: указания, звуки и выделение слов, в первую очередь на английском.
- [**Eleven Multilingual v2**](https://veselo.ai/models/elevenlabs/eleven-multilingual-v2) — для очень длинных ровных текстов вроде аудиокниг.
- [**Cartesia Sonic 3.6**](https://veselo.ai/models/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](https://veselo.ai/models/fishaudio/s2.1-pro) — следующая версия: выше качество, меньше задержка, 83 языка. Fish советует её для рабочих проектов.
- [Fish Audio Drama 3](https://veselo.ai/models/fishaudio/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](https://veselo.ai/docs/privacy)

## 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

- [Все модели: озвучка текста](https://veselo.ai/models/ozvuchka-teksta-api)
- [Fish Audio по API на русском](https://veselo.ai/models/fish-audio)
- [Озвучка текста по API за рубли — документация API](https://veselo.ai/docs/speech)
- [Подключить к Claude и ChatGPT](https://veselo.ai/connect)
- [Все модели и цены](https://veselo.ai/models)

Факты сверены 16 ноября 2026 по документации: [docs.fish.audio](https://docs.fish.audio/developer-guide/models-pricing/models-overview)
