Fish Audio голос S2.1 Pro по API
Fish Audio S2.1 Pro, или «фиш аудио», как её часто пишут по-русски, — основная модель озвучки Fish Audio, которую компания советует для работы. Эмоции ей описывают своими словами в квадратных скобках, например [warm and happy], а языков у неё 83, русский среди них. Голоса у нас только официальные. Цена — 3,36 ₽ за 1000 букв кириллицы.
- 3,36 ₽ за 1000 букв кириллицы
- до 4 096 знаков
- текст → звук
fishaudio/s2.1-pro
Обновлено:
Получить ключ Попробовать Документация
Попробовать Fish Audio S2.1 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: «[warm and happy] Привет! Это голос для твоего ролика. [whispering] А теперь секрет: его сделала нейросеть.»
В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.
Цены Fish Audio S2.1 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.
| Закадровый голос для ролика в соцсетях: ролик на 400 знаков по-русски | Около 1,35 ₽ |
|---|---|
| Медитации и дыхательные практики: практика на 1 500 знаков по-русски | Около 5,04 ₽ |
| Объясняющий ролик или урок: урок на 2 000 знаков по-русски | Около 6,72 ₽ |
| Рекламный ролик с энергией: реклама на 300 знаков по-русски | Около 1,01 ₽ |
| Голос тренера в фитнес-приложении: сорок команд по 60 знаков по-русски | Около 8,07 ₽ |
Что умеет Fish Audio S2.1 Pro
- Говорит на 83 языках и определяет язык по самому тексту, без настроек (модели Fish Audio).
- Эмоции и манера пишутся свободными словами в квадратных скобках: [happy], [whispering], [in a hurry tone], [slightly sad]. Закрытого списка нет.
- Звуки и паузы тоже ставятся тегами: [laughing], [sighing], [gasping], [clear throat], [break] и [long-break].
- Fish советует одну главную эмоцию на предложение и не больше трёх вместе (эмоции в Fish Audio).
- Голоса — официальные голоса Fish, среди них Adrian, Ethan, Hannah, Jordan, Laura, Sarah и Selene. Записаны они по-английски, а говорят на всех языках модели.
- Текст до 4 096 знаков за раз; звук отдаётся в MP3, WAV, Opus или PCM.
Где применять
Закадровый голос для ролика в соцсетях
Ролику для Reels или YouTube нужен голос, который звучит по-человечески и не надоедает к десятому выпуску. S2.1 Pro читает русский текст и берёт эмоцию из слов в скобках: [warm and happy] в начале задаёт тёплый тон, [whispering] перед секретом понижает голос. Тег для всей фразы Fish советует ставить в начало предложения. Для разговорного ролика подойдёт мягкая Sarah, для рассказа — тёплая Laura.
Пример запроса: «[warm and happy] Сегодня покажу, как за десять минут собрать завтраки на всю неделю. [whispering] Спойлер: духовка не понадобится.»
Стоимость: ролик на 400 знаков по-русски — около 1,35 ₽.
Медитации и дыхательные практики
Медитации нужен голос, который не торопит. Selene в каталоге Fish так и описана: спокойный голос для медитаций, с придыханием. Паузы для вдоха и выдоха ставь тегом [long-break], короткие — тегом [break], а тон задай в начале словами [calm] или [soft tone]. Длинную практику дели на части до 4 096 знаков и склеивай в приложении, тогда паузы между частями можно растянуть под ритм дыхания.
Пример запроса: «[calm] Устройся удобно и закрой глаза. [long-break] Медленный вдох… [break] и такой же медленный выдох.»
Стоимость: практика на 1 500 знаков по-русски — около 5,04 ₽.
Объясняющий ролик или урок
Для объяснялок у Fish есть Ethan, любознательный рассказчик с документальной подачей. Главное слово урока выделяй тегом [emphasis] прямо перед ним: так Fish показывает ударение в своих примерах. Определения и формулы пиши так, как их надо произнести, а не символами. Если урок длинный, держи один голос на всю серию, чтобы ученики узнавали его с первых слов. Примеры и задачи выноси в отдельные абзацы: после них голосу проще сделать паузу.
Пример запроса: «Почему небо голубое? [emphasis] Свет рассеивается в воздухе, и синие лучи разлетаются сильнее остальных.»
Стоимость: урок на 2 000 знаков по-русски — около 6,72 ₽.
Рекламный ролик с энергией
Рекламе нужна энергия, но без крика. В Fish силу эмоции можно уточнить словом: [slightly excited] для спокойного анонса, [very excited] для распродажи, [extremely angry] даже для шуточного антигероя. Hannah в каталоге Fish отмечена как уверенный голос для рекламы и фитнеса. Сделай два-три варианта с разной силой эмоции и выбери тот, что звучит честнее. Название бренда и адрес оставь в конце без тегов, ровным голосом, чтобы их запомнили.
Пример запроса: «[very excited] Новая коллекция уже в магазине! [happy] Приходи примерить до конца недели.»
Стоимость: реклама на 300 знаков по-русски — около 1,01 ₽.
Голос тренера в фитнес-приложении
Тренировке нужны короткие бодрые команды и живое дыхание между ними. Jordan у Fish описан как мотивирующий спикер, тег [determined] добавляет напора, а [panting] вставляет тяжёлое дыхание прямо в речь. Fish советует добавлять после такого звука подходящий текст, например «ух», тогда он звучит естественнее. Команды тренировки повторяются, поэтому озвучь их один раз и собирай занятия из готовых файлов. Новые запросы понадобятся только для того, что меняется: имени, числа повторов, названия упражнения.
Пример запроса: «[determined] Ещё десять секунд! Не опускай руки. [panting] Ух… Отлично, отдых.»
Стоимость: сорок команд по 60 знаков по-русски — около 8,07 ₽.
Английская версия ролика для зарубежных зрителей
Официальные голоса Fish записаны по-английски, поэтому английская версия ролика звучит у них естественно. Сценарий переводит языковая модель, S2.1 Pro озвучивает перевод голосом Adrian или Laura. Английский текст к тому же вдвое дешевле русского: Fish считает байты, и латиница идёт за полцены. Теги эмоций работают так же, как в русском тексте. Перед публикацией дай английский текст прочитать носителю языка или хотя бы прогони перевод обратно на русский, чтобы поймать смысловые ошибки.
Пример запроса: «[warm] Hi there! In this video I'll show you three ways to fold a shirt in under ten seconds.»
Стоимость: ролик на 1 000 знаков по-английски — около 1,68 ₽.
Как писать запрос
Эмоцию для всего предложения ставь в его начало, а описательную можно и внутрь фразы: «What a [warm and happy] wonderful day!». Одна главная эмоция на предложение работает спокойнее, чем три спорящих. Описания в скобках держи короткими, противоположные эмоции не смешивай. Короткий текст не перегружай тегами: в двух фразах хватит одного.
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/s2.1-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/s2.1-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/s2.1-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()));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 S2.1 Pro — эта модель | 3,36 ₽ / 1000 букв кириллицы | до 4 096 знаков | живая озвучка роликов и уроков с эмоциями, описанными своими словами |
| Fish Audio S2 Pro — Fish Audio | 3,36 ₽ / 1000 букв кириллицы | до 4 096 знаков | ровный закадровый голос для объявлений, документальных роликов и презентаций |
| Eleven v3 — ElevenLabs | 11,18 ₽ / 1000 знаков | до 4 096 знаков | игровая озвучка роликов, рекламы и скетчей со смехом, шёпотом и звуками |
| MiniMax Speech 2.8 HD — MiniMax | 11,18 ₽ / 1000 знаков | до 4 096 знаков | аудиогиды, курсы и реклама, где качество голоса важнее цены за знак |
| Inworld TTS-2 — Inworld AI | 2,80 ₽ / 1000 знаков | до 2 000 знаков | русская озвучка с указаниями подачи прямо в тексте: приложения, игры, сказки |
| Soniox TTS v2 — Soniox | 1,58 ₽ / 1000 знаков | до 4 096 знаков | один голос на многих языках и эмоции метками в тексте, русский есть |
- Fish Audio S2 Pro — если проект уже настроен на S2 Pro и звук менять не хочется.
- Eleven v3 — когда нужны звуки вроде аплодисментов и большой выбор официальных голосов.
- MiniMax Speech 2.8 HD — если нужен голос, записанный именно для русского.
- Inworld TTS-2 — когда нужны голоса с русскими именами: Алёна, Дмитрий, Светлана и другие.
- Soniox TTS v2 — если важна цена русского текста, а эмоциям хватит английских тегов вроде [warm].
Версии и отличия
- Fish Audio S2 Pro — прошлое поколение S2: тот же синтаксис скобок, больше 80 языков. Для работы Fish теперь советует S2.1 Pro.
- Fish Audio S1 (
fishaudio/s1) — старая модель с эмоциями в круглых скобках. Fish снимает её 31 декабря 2026 года, после этого запросы к S1 обслуживает S2.1 Pro. Теги из круглых скобок придётся переписать в квадратные: сами они не переводятся. - Fish Audio Drama 3 — модель для режиссуры: указания актёру, звуки и выделение отдельных слов.
- Fish Audio S1 — 3,36 ₽ за 1000 букв кириллицы
Подробно о Fish Audio S2.1 Pro
S2.1 Pro — основная модель озвучки Fish Audio и доработанная версия S2 Pro. По словам компании, у неё выше качество, ниже задержка и больше пропускная способность, а языков стало 83. Fish советует её для рабочих проектов.
Главное в семье S2 — как устроены эмоции. Слова в квадратных скобках для модели не команды из списка, а обычный текст. Fish объясняет это так: на огромном объёме записей модель выучила, как описание вроде «шепчет нежно» или «нервно смеётся» звучит на деле. Поэтому в скобки можно писать что угодно в пределах здравого смысла: [whispers sweetly], [laughing nervously], [in a hurry tone]. Силу эмоции задают уточнения [slightly], [very], [extremely], а несколько тегов подряд складываются: [sad][whispering].
Язык S2.1 Pro определяет без подсказки, отдельно для каждого куска текста, поэтому смешанный текст с английскими словами в русской фразе не требует настроек. У самой Fish модель умеет и диалог нескольких голосов в одном запросе. Через наш API один запрос — это один голос, и сцену с несколькими героями удобно собирать из отдельных реплик.
С голосами у Fish особая история. В общей библиотеке тысячи голосов, их загружали пользователи, и среди них встречаются подделки под известных людей. Мы даём только официальные голоса Fish: Adrian, Ethan, Hannah, Jordan, Laura, Sarah, Selene и другие, отобранные вручную. Все они записаны по-английски, а говорят на любом языке модели.
Ещё одна особенность — счёт. Fish меряет текст не знаками, а байтами UTF-8, где кириллица весит вдвое больше латиницы. Поэтому цена у нас — за тысячу букв кириллицы, а латиница, цифры и пробелы считаются за полбуквы. Строки «Стоимость» на этой странице посчитаны по знакам с небольшим запасом: пробелы в них взяты по полной цене.
Прошлая модель Fish, S1, уходит 31 декабря 2026 года: после этой даты её запросы обслуживает S2.1 Pro. Если у тебя тексты с тегами в круглых скобках, вроде (happy), перепиши их в квадратные заранее.
Как устроен доступ
Весело — не разработчик Fish Audio S2.1 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
- Есть ли в Fish Audio голоса знаменитостей?
- Не у нас. В общей библиотеке Fish Audio много голосов от пользователей, и среди них встречаются подделки под известных людей. Через наш API доступны только официальные голоса Fish: подделка чужого голоса без согласия — это дипфейк, и таких голосов мы не даём ни в одной модели.
- Говорит ли Fish Audio S2.1 Pro по-русски?
- Да, русский входит в 83 языка модели, и язык она определяет по самому тексту. Официальные голоса Fish записаны по-английски, поэтому манера и акцент зависят от голоса: прослушай два-три на своей фразе в блоке «Попробовать».
- Как задать эмоцию в фиш аудио S2.1 Pro?
- Напиши её словами в квадратных скобках перед предложением: [happy], [whispering], [in a hurry tone]. Силу можно уточнить: [slightly sad], [very excited]. Теги можно ставить подряд, например [sad][whispering], но Fish советует не больше трёх эмоций на предложение.
- Почему русский текст в Fish Audio стоит дороже английского?
- Fish считает объём текста в байтах UTF-8, а не в буквах: латинская буква занимает один байт, кириллическая — два. Поэтому цена модели — 3,36 ₽ за 1000 букв кириллицы, а латиница, цифры и пробелы стоят вдвое дешевле, и русская фраза обходится примерно вдвое дороже английской той же длины.
- Какие голоса Fish Audio доступны по API?
- Официальные: Adrian — спокойный рассказчик, Ethan — любознательный объясняльщик, Hannah — уверенный голос для рекламы, Jordan — мотивирующий спикер, Laura — тёплая рассказчица, Sarah — мягкий разговорный голос, Selene — голос для медитаций. Полный список с id отдаёт
/v1/audio/voices?model=fishaudio/s2.1-pro. - Чем Fish Audio S2.1 Pro отличается от S2 Pro?
- Fish называет S2.1 Pro доработанной версией S2 Pro: выше качество, ниже задержка, больше пропускная способность, а языков 83 против 80 с лишним. Синтаксис эмоций у них общий, поэтому тексты с тегами переносятся без правок.
- 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 S2.1 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