Fish Audio

它是什么

Fish Audio 是Hanabi AI提供的语音生成平台，支持文本转语音、声音克隆和情绪控制，并提供开发API。它适合视频旁白、有声内容、角色配音和实时语音应用，把脚本转成可继续编辑的声音素材。产品介绍

可用声音和语言范围随模型不同，生成效果也取决于文本、音色与参考录音。选择声音时，应同时检查适用场景与授权。

主要功能

网页可选择声音、提供脚本并控制情绪，克隆流程使用参考录音建立声音特征；API支持流式输出与程序接入。当前平台还扩展图像、视频和口型相关入口，语音依然是其核心产品能力。

长篇配音可按章节拆分，先统一姓名、术语与读法，再检查语气和段落衔接。生成多语言内容时，需要分别听取重音、停顿和数字，文本翻译正确也不保证发音完全准确。

价格与免费额度

网页计划免费每月8000credits、单次最多500字符，仅个人非商业用途；Plus年付132美元、折合11美元/月。月度额度不结转，商业使用还需要有权使用相应声音。

API的s2.1-pro按每百万UTF-8字节15美元，s2.1-pro-free当前免费，属初始开放期条件。字节不同于字符，网页会员、免费API模型和其他模型费用不能混用。

适合谁，不适合谁

适合需要可调整语气、重复生成旁白和多语言声音内容的创作者，以及能够接API的开发团队。脚本稳定、需要持续维护版本时，文本驱动制作便于修改。

不适合未经同意克隆他人声音，或把生成音频伪装成真实讲话和授权。公共声音库可试听不代表任意音色都可商用，免费网页生成也不能直接用于变现项目。

和同类比差在哪

Fish Audio突出声音克隆、表现力与开发接口；ElevenLabs提供完整语音创作生态；Cartesia偏实时模型和语音智能体；Speechify更偏个人阅读。需要发布配音时，应比较声音授权、质量与导出；实时应用则关注延迟与并发。

价格比较应统一计量单位，字节、字符、credits和分钟各有适用范围，不能把展示时长直接换成固定调用成本。

局限与注意

声音可能在长文本中出现读法、音色或情绪变化，专业术语、姓名和数字需要试听检查。参考录音的噪声与说话状态也会影响克隆，不能用一次短样本保证任何场景的一致性。

API模型、并发和免费条件可能调整，密钥与原始声音资料应安全保存。涉及个人声音应明确同意、使用范围和撤销处理，生成工具本身不能提供他人的肖像、声音或内容版权。

选型速览