用途：面向低成本、多语言、有表现力的语音合成与短参考音频的声音克隆，也支持智能体实时流式语音。
主要能力：托管 API（api.fish.audio）提供批量／流式合成、即时克隆与持久声音模型；模型头取值包括 s2.1-pro、s2.1-pro-free、s2-pro、s1。S1 用圆括号标记（如 (excited)），S2 系列用方括号标记（如 [excited]），标记写错常被直接读出或忽略。支持格式 mp3／wav／pcm／opus，参数含 speed、latency、chunk_length、normalize、temperature 等。WebSocket 端点为 wss://api.fish.audio/v1/tts/live，事件有 start、text、flush、stop 与 audio、finish。克隆有持久模型（POST https://api.fish.audio/model）与即时克隆（references 字段）两条路径；参考音频建议 10 秒以上、30–60 秒更佳，需干净单声道无背景音乐。
使用方式：TTS 调用使用 Authorization: Bearer <FISH_API_KEY> 与 model 头选择模型。Python SDK 提供 convert、stream、stream_websocket。
限制：托管 API 与开源权重并非同一模型且许可不同；公开权重为 OpenAudio S1-mini 等，许可为 CC-BY-NC-SA-4.0，商用自托管需另议授权，商业用途应走托管 API。免费层不提供 TTFA 与 DPA 保证。按 UTF-8 字节计费（$15／百万字节），中日韩等字符每字约 3–4 字节，成本高于英文。以上模型名、端点、价格、限额均具时效性，引用前需重新核对官方文档；具体最新价格与限制请以官方页面为准。