Fish Audio TTS
A fala do Fish Audio S2.1‑Pro com velocidade de leitura ajustável
Traga um ID de modelo de voz da Fish Audio — desenhado ou clonado — e o S2.1-Pro lê o seu roteiro a 0.5–2.0× de velocidade com o idioma detectado a partir do texto. Os créditos são cobrados por byte UTF-8 de entrada, orçados antes de você gerar.
Visão geral do modelo
Fish Audio S2.1-Pro
O Fish Audio TTS roda o modelo de produção S2.1-Pro na Moosky: entregue a ele um roteiro e um ID de modelo de voz da Fish Audio — um salvo do Voice Design ou de uma inscrição de clone concluída — e ele devolve uma narração MP3 pronta.
Os detalhes
A prosódia é ajustável por execução: o controle de velocidade vai da metade ao dobro da taxa padrão, e o modelo detecta o idioma do roteiro automaticamente, então texto misto ou em língua estrangeira é lido sem trocar nada na mão. A dica de idioma opcional só ajuda nos casos ambíguos.
A cobrança segue o texto, não o áudio: o S2.1-Pro tem preço por byte UTF-8 do seu roteiro e o custo em créditos é orçado antes de você gerar, então é precificar um capítulo longo de audiobook ou um anúncio de duas linhas sem surpresas.
Por que usar no Moosky AI?
Controles por modelo sem assinatura, saídas limpas e um fluxo pensado para iterar rápido.
Voz de produção S2.1-Pro
O modelo carro-chefe de síntese da Fish Audio, disponível na Moosky com cobrança por execução em créditos — sem uma assinatura Fish à parte.
Ajuste a velocidade de leitura
Desloque a prosódia de 0.5× a 2.0× por execução — estique um tutorial para clareza ou dobre a velocidade de uma leitura agitada sem regravar.
Traga o seu próprio ID de voz
Cole um ID de modelo de voz da Fish Audio salvo do Voice Design ou de uma inscrição de clone; toda execução reutiliza exatamente esse timbre.
Idioma detectado a partir do roteiro
O S2.1-Pro lê o idioma do seu texto automaticamente; a dica opcional só resolve os casos ambíguos.
Como funciona
Três passos focados da configuração ao resultado final.
1. Traga um ID de modelo de voz
Cole o ID de uma voz da Fish Audio que você desenhou ou clonou — ele conduz cada execução a partir daí.
2. Defina velocidade e roteiro
Digite a narração e ajuste o controle de prosódia de 0.5–2.0×; o idioma se detecta sozinho a partir do texto.
3. Orce, gere, baixe
O custo em créditos por byte aparece primeiro; o MP3 pronto cai na sua biblioteca para qualquer vídeo ou cama.
Cobrança por créditos
Preço simples e transparente
Cobrado por byte UTF-8 de texto de entrada para o modelo S2.1-Pro, com o custo em créditos orçado antes de você gerar. Sem assinatura.
Mais da Moosky AI
Conheça a suíte completa de ferramentas de IA.
Perguntas frequentes
De onde tiro um ID de modelo de voz da Fish Audio?
Dois caminhos na Moosky: desenhe uma voz com o Fish Audio Voice Design, ou inscreva um clone a partir de uma amostra de referência na página do Fish Audio Voice Clone. Ambos devolvem um ID de modelo — cole-o no campo de ID de voz e o S2.1-Pro sintetiza naquela voz.
O Fish Audio TTS é cobrado por duração de áudio?
Não — o modelo S2.1-Pro cobra por byte UTF-8 do roteiro de entrada, não do arquivo gerado. Um anúncio de dez linhas e um capítulo longo são precificados pelo quanto você digitou, e a Moosky mostra o número exato de créditos antes de a execução começar.
O controle de velocidade muda o tom ou só o ritmo?
Ele muda a taxa de fala, da metade do ritmo padrão ao dobro. A identidade da voz fica no lugar, então você pode acelerar um explicativo ou desacelerar uma aula de idiomas sem o timbre oscilar.
Preciso definir o idioma antes de gerar?
Não. O S2.1-Pro detecta automaticamente o idioma do seu roteiro — acompanhando a ampla cobertura multilíngue que a Fish Audio publica para o modelo — e o campo de dica opcional existe só para casos-limite em que o texto é ambíguo.
Que formato de áudio retorna?
Cada execução retorna um MP3 renderizado pelo motor S2.1-Pro — pronto para jogar em editores, camas de vídeo ou rascunhos de podcast sem uma etapa de conversão.
Posso reutilizar um mesmo ID de voz entre projetos?
Sim — o ID de modelo de voz é um perfil salvo, não um token de sessão. Use-o hoje num explicativo e no mês que vem num audiobook: ambos renderizam no mesmo timbre, cobrados byte a byte por execução.