Skip to main content
POST
Fish Audio Sprachsynthese
Für optimale Ergebnisse empfehlen wir, vor der Verwendung dieser API zunächst Referenzaudio mit Audio-Klonen hochzuladen. Dies verbessert die Sprachqualität und reduziert die Latenz.
Fish Audio wandelt Text in Sprache um. Unterstützte Audioformate:
  • WAV / PCM
    • Abtastrate: 8kHz, 16kHz, 24kHz, 32kHz, 44.1kHz
    • Standard-Abtastrate: 44.1kHz
    • 16-bit, Mono
  • MP3
    • Abtastrate: 32kHz, 44.1kHz
    • Standard-Abtastrate: 44.1kHz
    • Mono
    • Bitrate: 64kbps, 128kbps (Standard), 192kbps
  • Opus
    • Abtastrate: 48kHz
    • Standard-Abtastrate: 48kHz
    • Mono
    • Bitrate: -1000 (automatisch), 24kbps, 32kbps (Standard), 48kbps, 64kbps

Anfrageheader

string
erforderlich
Enumerationswert: application/json
string
erforderlich
Bearer-Authentifizierungsformat: Bearer {{API Key}}.

Anfragetext

string
erforderlich
Der Text, der in Sprache umgewandelt werden soll.
number
Steuert die Zufälligkeit der Sprachgenerierung. Höhere Werte (z. B. 1.0) machen die Ausgabe zufälliger, niedrigere Werte (z. B. 0.1) machen sie deterministischer. Wir empfehlen für das Modell s1 die Verwendung von 0.9.Erforderlicher Bereich: 0 <= x <= 1
number
Steuert die Vielfalt durch Nucleus-Sampling. Niedrigere Werte (z. B. 0.1) machen die Ausgabe fokussierter, höhere Werte (z. B. 1.0) erlauben mehr Vielfalt. Wir empfehlen für das Modell s1 die Verwendung von 0.9.Erforderlicher Bereich: 0 <= x <= 1
ReferenceAudio · object[] | null
Referenzaudio für die Stimme. Dies erfordert MessagePack-Serialisierung und überschreibt reference_voices und reference_texts.
string | null
Referenzmodell-ID für die Stimme.
ProsodyControl · object
Prosodiesteuerung für die Stimme.
integer
Standard:200
Chunk-Länge für die Sprache.Erforderlicher Bereich: 100 <= x <= 300
boolean
Standard:true
Ob die Sprache normalisiert werden soll. Dies reduziert die Latenz, kann jedoch die Verarbeitungsleistung für Zahlen und Datumsangaben verringern.
enum<string>
Standard:"mp3"
Format für die Sprache.Optionale Werte: wav, pcm, mp3, opus
integer | null
Abtastrate für die Sprache.
enum<integer>
Standard:128
MP3-Bitrate für die Sprache.Optionale Werte: 64, 128, 192
enum<integer>
Standard:32
Opus-Bitrate für die Sprache.Optionale Werte: -1000, 24, 32, 48, 64
enum<string>
Standard:"normal"
Latenzeinstellung für die Sprache. balanced reduziert die Latenz, kann jedoch zu Leistungseinbußen führen.Optionale Werte: normal, balanced

Antwortinformationen

Die API gibt direkt einen Audiostream in dem durch den Parameter format angegebenen Format zurück (Standard: mp3).