Source: https://ailoot.ai/models/de-ch/fish-audio-s2-pro/ Canonical: https://ailoot.ai/models/de-ch/fish-audio-s2-pro/ Language: de-ch # Fish Audio: S2 Pro [Markdown](https://ailoot.ai/models/de-ch/fish-audio-s2-pro/index.md) · [JSON](https://ailoot.ai/models/de-ch/fish-audio-s2-pro/facts.json) ## [Fish Audio: S2 Pro](https://ailoot.ai/models/de-ch/fish-audio-s2-pro/) Fish Audio S2 Pro erzeugt ausdrucksstarke mehrsprachige Sprache mit Anweisungen auf Wortebene und nativen Dialogen mit mehreren Sprechern. Anweisungen in eckigen Klammern steuern den Vortrag im Skript; Stimmreferenzen identifizieren die Sprecher und Ausgabeeinstellungen formen das Audioergebnis. - [**Ailoot Ultra · Sprache** `POST /v1/audio/speech` `fish-audio/s2-pro`](https://ailoot.ai/models/de-ch/fish-audio-s2-pro/#method-0) Über das Modell Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt. S2 Pro ist Fish Audios Text-zu-Sprache-Modell der zweiten Generation für ausdrucksstarke Sprechertexte, Figurendialoge und gesprächsorientierte Sprachausgabe. Es wandelt ein schriftliches Skript in Audio um und unterstützt natürlichsprachliche Anweisungen auf Wort- oder Phrasenebene. Die vorherige S1-Generation verwendet Hinweise in runden Klammern; S2 Pro verwendet nativ eckige Klammern und unterstützt mehrere Sprecher innerhalb einer Syntheseanfrage. Der Hersteller veröffentlicht S2-Pro-Gewichte und Fine-Tuning-Code für gesonderte Anpassungsarbeit. Eine gewöhnliche Sprachanfrage verwendet das gewählte Modell, statt ein neues zu trainieren. Schreiben Sie zuerst den Sprechtext und setzen Sie dann eine Vortragsanweisung unmittelbar vor das Wort oder die Phrase, auf die sie wirken soll. Anweisungen können Flüstern, eine Reaktion, eine Pause, einen Gefühlswechsel oder einen frei beschriebenen Sprechstil benennen. Halten Sie bei einer kurzen Produkterklärung den sachlichen Satz klar und betonen Sie nur dort, wo der Zuhörer einen Unterschied bemerken soll. Beschreiben Sie bei einer Figurenzeile den emotionalen Wechsel an der Stelle seines Auftretens, statt der ganzen Passage eine feste Stimmung zu geben. Tags in eckigen Klammern sind frei formulierte Beschreibungen statt eines geschlossenen Menüs. Beispiele sind \[whispering\], \[sigh\], \[long pause\] und eine Phrase wie \[speaking slowly, almost hesitant\]. Tags können innerhalb eines Satzes stehen und beeinflussen die folgende Sprache. Auf einen beschreibenden Tag muss tatsächlicher Text folgen; eine alleinstehende Anweisung kann unvorhersehbare Ausgabe erzeugen. Beginnen Sie mit ein oder zwei nützlichen Anweisungen, bevor Sie weitere Ebenen hinzufügen, da konkurrierende Tags den beabsichtigten Vortrag verwischen können. Verschiedene Stimmreferenzen reagieren möglicherweise unterschiedlich stark auf dieselbe Anweisung. Die S2-Veröffentlichung beschreibt ungefähr 80 Sprachen und zeigt Vortragsanweisungen in derselben Sprache wie das Skript. Bereiten Sie den Wortlaut in der zu sprechenden Sprache vor und bewahren Sie Namen, Einheiten und Abkürzungen mit besonderer Aussprache. Eine mehrsprachige Vertonung kann beim Wechsel der Skriptsprache ihre gewünschte Stimme behalten; das Endergebnis muss dennoch auf Aussprache und Kontinuität angehört werden. Die Synthese gibt gelieferte Inhalte als Sprache aus, statt zu entscheiden, welche Informationen die Anwendung sagen soll. Wählen Sie für einen einzelnen Sprecher eine gespeicherte Stimmkennung oder liefern Sie Referenzaudio und das passende Transkript. Der Hersteller empfiehlt eine saubere Probe von 10–30 Sekunden für sofortige Konditionierung. Verwenden Sie für Dialoge Sprechermarkierungen wie \<|speaker:0|\> und \<|speaker:1|\> mit einer geordneten Liste von Stimmkennungen oder getrennten Referenzgruppen für die Sprecher. Die numerische Markierung wählt den entsprechenden Stimmeintrag; halten Sie die Reihenfolge im Gespräch fest. Natürlichsprachliche Vortragsanweisungen und Sprecherauswahl haben verschiedene Aufgaben im Skript. Die Audioausgabe kann MP3, WAV, rohes PCM oder Opus sein. MP3 hat standardmässig 128 kbps und bietet 64 oder 192 kbps; Opus verwendet 48 kHz, WAV und PCM unterstützen ihre dokumentierten Abtastraten als 16-Bit-Mono. Wählen Sie das Format für seinen tatsächlichen Zielort: eine gespeicherte Datei für Sprechertexte oder geeignete Audioabschnitte für die Wiedergabe. Der Sprachablauf des Herstellers beschreibt ausserdem Live-Textstreaming, wenn das Skript schrittweise eintrifft. Das erzeugte Ergebnis sollte dem vollständigen Skript und den gewählten Stimmen zugeordnet bleiben. Die Geschwindigkeit lässt sich zwischen 0,5 und 2,0 anpassen, mit Reglern für Lautstärke und Normalisierung der Ausgabelautheit. Textnormalisierung verbessert die Aussprache englischer und chinesischer Zahlen. Die Verarbeitung verwendet Abschnitte im Bereich 100–300 und ein Audiotokenbudget je Abschnitt; diese Einstellungen bedeuten deshalb keine feste Maximallänge für einen gesamten Sprechertext. Konditionierung durch den vorherigen Abschnitt kann Stimmkontext in das nächste Segment übernehmen. Sampling-Regler wie temperature und top-p beeinflussen die Variation; auch eine gezielt angeleitete Zeile benötigt ausreichend Text und Kontext für den beabsichtigten Klang. Ein brauchbares Produktionsbriefing trennt Sprechertext, Dialog und Vortragsanweisungen und benennt dann Stimme und Format des entstehenden Ergebnisses. Achten Sie beim Anhören auf fehlende Wörter, wiederholtes Audio, Zahlenaussprache, Sprecherwechsel und den Zeitpunkt einer Reaktion. Überarbeiten Sie die verantwortliche Zeile oder Stimmreferenz, statt anzunehmen, mehr Tags verbesserten jede Passage. S2 Pro bleibt ein eigenständiges Modell der vorherigen S2-Generation; S2.1 Pro ist die spätere Edition mit eigenen Verbesserungen und modellspezifischem Einstellungsverhalten. **Ailoot Ultra · Sprache** `POST /v1/audio/speech` `fish-audio/s2-pro` [`fish-audio/s2-pro`](https://ailoot.ai/models/de-ch/#m=fish-audio%2Fs2-pro&route=Ultra&caller=fish-audio%2Fs2-pro&fmt=speech) Fish Audio /`fish-audio/s2-pro` ### Einstieg Fish Audio S2 Pro erzeugt ausdrucksstarke mehrsprachige Sprache mit Anweisungen auf Wortebene und nativen Dialogen mit mehreren Sprechern. Anweisungen in eckigen Klammern steuern den Vortrag im Skript; Stimmreferenzen identifizieren die Sprecher und Ausgabeeinstellungen formen das Audioergebnis. Zulässige Eingaben Text Ergebnisse Audio ### In Ailoot verfügbar · Eingaben und Methoden **Ailoot Ultra · Sprache** `POST /v1/audio/speech` Eingabe `text` Ausgabe `audio` | Feld | Typ | Anforderung | Werte und Limits | Standard | | --- | --- | --- | --- | --- | | Feld`model` | Typ`string` | AnforderungErforderlich | Werte und Limits fish-audio/s2-pro | Standard— | | Feld`input` | Typ`string` | AnforderungErforderlich | Werte und Limits Mindestlänge: 1 | Standard— | | Feld`voice` | Typ`string` | AnforderungErforderlich | Werte und Limits b347db033a6549378b48d00acb0d06cd Mindestlänge: 1 | Standard— | | Feld`response_format` | Typ`string` | AnforderungOptional | Werte und Limits mp3, pcm | Standardpcm | | Feld`provider` | Typ`object` | AnforderungOptional | Werte und Limits | Standard— | Methodenparameter und Lebenszyklus | Parameter | Vertrag | | --- | --- | | Parameter`content_type` | Vertragapplication/json | | Parameter`required` | Vertragmodel, input, voice | | Parameter`material_types` | Vertragtext | Lebenszyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · die tatsächlich zurückgegebene task\_id oder ein Eintrag in der Medienbibliothek `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarife Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode. Schnellmodus Nicht angegeben Wenn der Schnellmodus ausgewählt ist Flex-Modus Nicht angegeben Wenn der Modus flex ausgewählt ist Maximaler Denkaufwand Nicht angegeben Wenn beim maximalen Denkaufwand die Standardanpassung (default) verwendet wird #### Ailoot-Tarife #### Preise nach Konfiguration Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif. | Konfiguration | Tarifstaffel | Abrechnungseinheit | Gebühr | | --- | --- | --- | --- | | KonfigurationToken-Basistarife | TarifstaffelGrundtarif | Abrechnungseinheit— | Gebühr Eingabe · Eingabetoken **—** / 1K Tokens Ausgabe · Ausgabetoken **—** / 1K Tokens Eingabe · Cache lesen **—** / 1K Tokens Eingabe · Cache schreiben **—** / 1K Tokens Eingabe · Cache schreiben, 1 Stunde **—** / 1K Tokens | | KonfigurationUTF-8-Eingabebyte | Tarifstaffel— | Abrechnungseinheitpro UTF-8-Byte der Eingabe | Gebühr Eingabe · UTF-8-Eingabebyte **$0.00003** pro UTF-8-Byte der Eingabe | Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. [So funktionieren Reservierung und Abrechnung →](https://ailoot.ai/docs/de-ch/billing/reserve/) ### Beispielanfragen #### Ailoot Ultra · Sprache Echte Eingabedaten verwenden und das vollständige Ergebnis speichern ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_INPUT_TEXT:?Set the actual documented input value}" export AILOOT_INPUT_TEXT python3 - <<'PY_REQUEST' import json,os from pathlib import Path request={'model': 'fish-audio/s2-pro', 'input': '${ACTUAL_INPUT_TEXT}', 'voice': 'b347db033a6549378b48d00acb0d06cd', 'response_format': 'mp3'} request['input']=os.environ['AILOOT_INPUT_TEXT'] Path('request.json').write_text(json.dumps(request,ensure_ascii=False),encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/speech \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again. ``` ### Ergebnisse abrufen und speichern #### Ailoot Ultra · Sprache Vollständige binäre Audiodaten oder ursprüngliche audio\_url-Antwort, Header und jedes Ihnen zugeordnete Asset. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Abrufe anderer Inhalte Vorhandene eigene Dateien abrufen ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \ -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json # Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token. ``` ##### Alle fertiggestellten Ergebnisse aufbewahren Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf. Die vollständige Antwort und ihre Header, jede tatsächliche Ausgabe, die ursprünglich zurückgegebenen Kennungen und alle Nutzungsfelder aufbewahren. Den ursprünglichen Vorgang wiederaufnehmen, ohne die Erstellung erneut anzufordern. ##### Wenn die ursprüngliche Antwort geprüft werden muss Die zurückgegebene X-Client-Request-ID zum Abgleich aufbewahren. Nur tatsächlich zurückgegebene task\_id-/asset\_id-Werte oder die eigene Medienbibliothek abfragen; niemals eine Aufgaben-URL aus der Vorgangs-ID bilden und die Erstellung niemals erneut anfordern. ### Aliasnamen #### Modellaliasnamen **Ailoot Ultra** [`fish-audio/s2-pro`](https://ailoot.ai/models/de-ch/#m=fish-audio%2Fs2-pro&route=Ultra&caller=fish-audio%2Fs2-pro&fmt=speech) #### Aliasnamen für Methodenpfade Verwenden Sie die oben angezeigten Methodenpfade. #### Zugehörige Aufrufer-IDs [`fish-audio/s2-pro`](https://ailoot.ai/models/de-ch/#m=fish-audio%2Fs2-pro&route=Ultra&caller=fish-audio%2Fs2-pro&fmt=speech) FAQ · Fish Audio: S2 Pro Welche Eingaben und Ergebnisse sind verfügbar? `POST /v1/audio/speech` · `fish-audio/s2-pro`: `text` → `audio` Welche Felder verwendet die Anfrage? `POST /v1/audio/speech` · `fish-audio/s2-pro`: `model`, `input`, `voice`, `response_format`, `provider` Verbinden Sie Ailoot mit Claude Code, OpenCode, Hermes oder Ihrer eigenen Anwendung. ## Das Unternehmen und sein Projektportfolio Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. ## Tokens mit Rabatt kaufen. Aborabatt für regelmäßige Arbeit. Aktionscodes bieten bis 50% beim Tokenkauf. Abo Wählen Sie einen Tarif mit Rabatt für Ihre regelmäßigen Anfragen. Aktionscode bis 50% Geben Sie den Code beim Kauf ein. Der Preis wird nach den gültigen Aktionsbedingungen berechnet. Ausgaben in der Historie Modell, Tokens und Betrag werden für jede Anfrage gespeichert. [Abo wählen](https://ailoot.ai/docs/de-ch/billing/subscriptions/) · [Modellpreise ansehen](https://ailoot.ai/models/de-ch/) ## Verbinden Sie die API mit dem Produkt, das Sie verkaufen. SaaS, Anwendungen und Bots nach dem offiziellen Angebot und Lizenzvertrag von Ailoot. Fordern Sie für den Weiterverkauf eine Reseller-Lizenz an. Kommerzielle Anwendung Integrieren Sie Text-, Bild-, Video- und Audioerzeugung in kostenpflichtige Funktionen Ihres Dienstes. Reseller-Lizenz Senden Sie Projektbeschreibung und Zugangsmodell. Fordern Sie schriftliche Nutzungs- und Weiterverkaufsbedingungen an. Dokumente auf der Website Offizielles Angebot, Lizenzvertrag und Datenschutzerklärung sind vor der Verbindung zugänglich. [Reseller-Lizenz anfordern](mailto:support@ailoot.ai) · [Offizielles Angebot und Lizenzvertrag](https://ailoot.ai/legal/offer?lang=de-ch) ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.