Fish Audio S2 Pro API — диалоги, токены и цена

Контекст: Не указантокенов
Результат: Синтез речиформат ответа
Стоимость: Тариф уточняетсяусловия — в блоке подключения

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "fish-audio/s2-pro",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Актуальная Fish Audio TTS reference рекомендует `s2-pro` и указывает, что multi-speaker dialogue доступен только этой модели. Single-speaker запрос использует сохранённый `reference_id` или reference clips, а диалог — массив голосов и теги `<|speaker:n|>`. Документированы MP3, WAV/PCM и Opus, режимы latency, управление speed/volume и поток с временным выравниванием. Tokenmost показывает `fish-audio/s2-pro` как text-to-speech route. Перед записью проверяются model mapping, число голосов, формат speaker tags, reference_id, прямые references, prosody, emotion tags, streaming, output encoding, alignment events, text limit, usage и цена. Возможности self-hosted weights не переносятся на proxy автоматически. Подкаст строится из утверждённого сценария. Для каждого голоса есть документированное право использования; модель не имитирует публичного человека и не создаёт реплики от имени реального сотрудника без его согласия.

Разметьте разговор до синтеза

Сценарий хранит speaker ID, текст, паузу и редакционную цель каждой реплики. Теги вставляются валидатором, а не вручную по всему документу. Перебивания и реакции добавляйте лишь там, где они помогают смыслу, иначе выпуск звучит хаотично.

Подготовьте голоса с подтверждёнными правами

Для каждого участника используйте чистый reference и точную расшифровку. Храните согласие, область применения и срок. Не смешивайте reference разных людей в один voice model; случайное сходство с известным голосом проверяйте до публикации.

Генерируйте сценами

Разделите выпуск по смысловым эпизодам, сохраняя контекст предыдущих chunks только при подтверждённой поддержке. Для каждой сцены фиксируйте seed или доступные параметры, model route и hash текста. Ошибка одной реплики не должна требовать повторной генерации часа.

Проведите слуховую и монтажную проверку

Редактор сверяет слова, роли, числа, темп и естественность переходов. В alignment stream новые snapshots заменяют прежние для того же chunk, поэтому их нельзя слепо складывать. Финальный master нормализуется и получает transcript.

Считайте цену принятого эпизода

Включите все варианты, повторные сцены, reference storage, монтаж, музыку с лицензией и редактуру. Сравнивайте стоимость опубликованной минуты и число исправлений на тысячу слов. Текущую единицу usage Tokenmost подтвердите коротким тестом.

Вопросы и ответы

Поддерживает ли S2 Pro несколько голосов?

Да, Fish Audio документирует multi-speaker dialogue только для S2 Pro.

Можно использовать voice reference?

Да, через reference_id или clips, если у вас есть право на голос и запись.

Какие аудиоформаты доступны?

Upstream перечисляет WAV/PCM, MP3 и Opus; маршрут Tokenmost проверяется.

Есть ли streaming с timestamps?

Fish Audio описывает поток с alignment snapshots; доступность proxy требует preflight.

Как считается стоимость подкаста?

По фактическому usage, дублям, монтажу и числу минут, прошедших редактуру.