Source: https://ailoot.ai/models/es-mx/fish-audio-s2-1-pro/ Canonical: https://ailoot.ai/models/es-mx/fish-audio-s2-1-pro/ Language: es-mx # Fish Audio: S2.1 Pro [Markdown](https://ailoot.ai/models/es-mx/fish-audio-s2-1-pro/index.md) · [JSON](https://ailoot.ai/models/es-mx/fish-audio-s2-1-pro/facts.json) ## [Fish Audio: S2.1 Pro](https://ailoot.ai/models/es-mx/fish-audio-s2-1-pro/) Fish Audio S2.1 Pro crea voz multilingüe expresiva y diálogos nativos con varios hablantes, con mejoras frente a S2 Pro en calidad, latencia y capacidad de procesamiento. Dirige la interpretación dentro del guion y usa referencias de voz para producir narración o audio conversacional. - [**Ailoot Ultra · Voz** `POST /v1/audio/speech` `fish-audio/s2.1-pro`](https://ailoot.ai/models/es-mx/fish-audio-s2-1-pro/#method-0) Sobre el modelo Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado. S2.1 Pro es el modelo de texto a voz de Fish Audio de una edición posterior de la generación S2, destinado a narración expresiva y aplicaciones de voz conversacional. Mejora a S2 Pro en calidad de voz, latencia y capacidad de procesamiento, y conserva el control de interpretación mediante lenguaje natural y los diálogos nativos con varios hablantes. S2.1 Pro y S2.1 Pro Free comparten el modelo de voz subyacente. Para una explicación narrada, proporciona la redacción terminada, la voz prevista y los momentos en que deban cambiar el ritmo o el énfasis. Para una aplicación conversacional, sintetiza la respuesta seleccionada por la aplicación y mantén su contenido factual separado de las indicaciones de interpretación. Para un intercambio guionizado, define los hablantes y sus voces antes de escribir sus intervenciones. Un resultado útil es un pasaje de audio completo o un flujo reproducible cuyas palabras, interpretación y roles de hablante coincidan con ese encargo. Escribe las palabras que realmente deben pronunciarse y después coloca una instrucción inmediatamente antes del pasaje cuya interpretación deba cambiar. Las indicaciones entre corchetes pueden expresar un susurro, una pausa, una reacción, énfasis o un estilo de habla descrito libremente. Coloca un cambio a mitad de oración donde la interpretación lo requiera y acompaña las indicaciones descriptivas con habla real a continuación. Un encargo útil para una explicación separa su redacción factual de la calidez, el ritmo o el énfasis deseados para quien escucha. Para un solo hablante, selecciona un identificador de voz guardado o proporciona una grabación de referencia con su transcripción. La guía de voz del productor recomienda una muestra limpia de 10–30 segundos para acondicionar la voz al instante. Elige una referencia cuyo tono y calidad de grabación sean adecuados para el guion y conserva la misma referencia en los pasajes relacionados. La referencia de voz aporta el sonido del hablante; el texto y las indicaciones insertadas aportan el contenido y su interpretación. La síntesis nativa con varios hablantes usa marcadores como \<|speaker:0|\> y \<|speaker:1|\> con un arreglo ordenado de identificadores de voz o grupos separados de referencias. Mantén las etiquetas numéricas de hablante alineadas con ese orden. Para un intercambio instructivo, escribe la intervención de cada hablante y coloca la indicación de interpretación después del marcador de hablante, en el lugar que le corresponde. Esto genera un diálogo dentro de una sola solicitud; es un flujo distinto de los segmentos individuales de un solo hablante de S1 y su montaje posterior. El flujo del productor ofrece salida MP3, WAV, PCM sin procesar y Opus, con MP3 como opción predeterminada. MP3 admite 64, 128 y 192 kbps; WAV y PCM usan los formatos documentados de muestras mono de 16 bits, mientras que Opus usa 48 kHz. Elige el formato para un archivo de narración que se conservará, reproducción por streaming o una cadena posterior de procesamiento de audio. Conserva el guion completo y la selección de voz junto con el audio para que una edición posterior pueda modificar una línea sin perder la interpretación prevista. La velocidad puede ajustarse de 0.5 a 2.0, con controles de volumen. La normalización de texto desarrolla los números en inglés y chino para una lectura natural. La normalización de sonoridad de salida tiene el valor predeterminado true y se aplica a la familia S2; el mismo campo no tenía efecto en S1. El parámetro repetition\_penalty de S1 no modifica el audio de S2.1 Pro, por lo que un ajuste antiguo no debe tratarse como un control efectivo para este modelo. Revisa directamente los sonidos y las palabras repetidos en lugar de confiar en un parámetro heredado para dar por establecido el resultado. Los guiones más largos se procesan en bloques. El rango documentado de longitud de bloque es de 100–300, y max\_new\_tokens es un presupuesto de tokens de audio por bloque, no una garantía de duración total. El acondicionamiento a partir del bloque anterior puede trasladar el contexto de voz al siguiente. El flujo de entrega del productor describe audio completo, bloques de audio incrementales y streaming de texto en vivo cuando el guion llega progresivamente. Elige el método de consumo para la aplicación y conserva suficiente contexto del guion para la pronunciación y el tono del siguiente pasaje. Para obtener un entregable final útil, escucha si hay palabras omitidas o repetidas, cómo se pronuncian los números, los cambios de hablante, las pausas y la intensidad de las indicaciones. Distintas referencias de voz pueden interpretar una indicación con diferente fuerza, así que comienza con una línea sencilla con una indicación de interpretación antes de añadir etiquetas que compitan entre sí. En trabajos multilingües, proporciona el guion en el idioma de destino en lugar de pedir al modelo de voz que invente o traduzca su contenido. Una revisión puntual modifica la línea, la indicación o la referencia responsable de la discrepancia, conservando las partes de la interpretación que ya se ajustan al encargo. **Ailoot Ultra · Voz** `POST /v1/audio/speech` `fish-audio/s2.1-pro` [`fish-audio/s2.1-pro`](https://ailoot.ai/models/es-mx/#m=fish-audio%2Fs2.1-pro&route=Ultra&caller=fish-audio%2Fs2.1-pro&fmt=speech) Fish Audio /`fish-audio/s2.1-pro` ### Inicio Fish Audio S2.1 Pro crea voz multilingüe expresiva y diálogos nativos con varios hablantes, con mejoras frente a S2 Pro en calidad, latencia y capacidad de procesamiento. Dirige la interpretación dentro del guion y usa referencias de voz para producir narración o audio conversacional. Entradas aceptadas Texto Resultados Audio ### Disponible en Ailoot · entradas y métodos **Ailoot Ultra · Voz** `POST /v1/audio/speech` Entrada `text` Salida `audio` | Campo | Tipo | Requisito | Valores y límites | Predeterminado | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObligatorio | Valores y límites fish-audio/s2.1-pro | Predeterminado— | | Campo`input` | Tipo`string` | RequisitoObligatorio | Valores y límites Longitud mínima: 1 | Predeterminado— | | Campo`voice` | Tipo`string` | RequisitoObligatorio | Valores y límites b347db033a6549378b48d00acb0d06cd Longitud mínima: 1 | Predeterminado— | | Campo`response_format` | Tipo`string` | RequisitoOpcional | Valores y límites mp3, pcm | Predeterminadopcm | | Campo`provider` | Tipo`object` | RequisitoOpcional | Valores y límites | Predeterminado— | Parámetros del método y ciclo de vida | Parámetro | Contrato | | --- | --- | | Parámetro`content_type` | Contratoapplication/json | | Parámetro`required` | Contratomodel, input, voice | | Parámetro`material_types` | Contratotext | Ciclo de vida: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · El task\_id real devuelto o el registro de la biblioteca multimedia `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Tarifas Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo fast Sin especificar Cuando se selecciona el modo fast Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento usa el ajuste default #### Tarifas de Ailoot #### Precios por configuración Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas. | Configuración | Tabla de tarifas | Unidad de facturación | Cargo | | --- | --- | --- | --- | | ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Unidad de facturación— | Cargo Entrada · Tokens de entrada **—** / 1K tokens Salida · Tokens de salida **—** / 1K tokens Entrada · Lectura de caché **—** / 1K tokens Entrada · Escritura en caché **—** / 1K tokens Entrada · Escritura en caché, 1 hora **—** / 1K tokens | | Configuraciónbyte de entrada UTF-8 | Tabla de tarifas— | Unidad de facturaciónpor byte UTF-8 de entrada | Cargo Entrada · byte de entrada UTF-8 **$0.00003** por byte UTF-8 de entrada | Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es-mx/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Voz Usa la entrada real y conserva el resultado completo ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_INPUT_TEXT:?Set the actual documented input value}" export AILOOT_INPUT_TEXT python3 - <<'PY_REQUEST' import json,os from pathlib import Path request={'model': 'fish-audio/s2.1-pro', 'input': '${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again. ``` ### Recibir y guardar resultados #### Ailoot Ultra · Voz Audio binario completo o respuesta audio\_url original, encabezados y cada recurso que te pertenezca. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Otras consultas de contenido Consultar los archivos existentes que te pertenecen ```bash set -eu : "${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. ``` ##### Conserva todos los resultados completados Conserva todas las respuestas, archivos y partes de contenido completos recibidos. Conserva la respuesta completa y los encabezados, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación. ##### Si es necesario revisar la respuesta original Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores reales de task\_id/asset\_id devueltos o la biblioteca multimedia de tu propiedad; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación. ### Alias #### Alias del modelo **Ailoot Ultra** [`fish-audio/s2.1-pro`](https://ailoot.ai/models/es-mx/#m=fish-audio%2Fs2.1-pro&route=Ultra&caller=fish-audio%2Fs2.1-pro&fmt=speech) #### Alias de rutas de métodos Usa las rutas de método indicadas arriba. #### ID de modelo relacionados [`fish-audio/s2.1-pro`](https://ailoot.ai/models/es-mx/#m=fish-audio%2Fs2.1-pro&route=Ultra&caller=fish-audio%2Fs2.1-pro&fmt=speech) FAQ · Fish Audio: S2.1 Pro ¿Qué entradas y resultados están disponibles? `POST /v1/audio/speech` · `fish-audio/s2.1-pro`: `text` → `audio` ¿Qué campos utiliza la solicitud? `POST /v1/audio/speech` · `fish-audio/s2.1-pro`: `model`, `input`, `voice`, `response_format`, `provider` Conecta Ailoot a Claude Code, OpenCode, Hermes o tu aplicación. ## La empresa y su cartera de proyectos La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. ## Compra tokens con descuento. Ahorro por suscripción para trabajo habitual. Códigos promocionales: hasta el 50% al comprar tokens. Suscripción Elige un plan con descuento para tus peticiones habituales. Código de hasta el 50% Introduce el código al comprar. El precio se recalcula según la promoción vigente. Gasto en el historial Modelo, tokens e importe quedan guardados por cada petición. [Elegir suscripción](https://ailoot.ai/docs/es-mx/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es-mx/) ## Conecta la API al producto que vendes. SaaS, aplicaciones y bots bajo la oferta y el acuerdo de licencia Ailoot. Solicita una licencia de reventa para redistribuir el acceso. Aplicación comercial Integra generación de texto, imágenes, vídeo y sonido en funciones de pago de tu servicio. Licencia para revendedores Envía descripción del proyecto y esquema de acceso. Solicita condiciones escritas de uso y reventa. Documentos en la web La oferta, el acuerdo de licencia y la política de datos están disponibles antes de conectar. [Solicitar licencia de reventa](mailto:support@ailoot.ai) · [Oferta y acuerdo de licencia](https://ailoot.ai/legal/offer?lang=es-mx) ## Ailoot · La empresa y su cartera de proyectos Ailoot se apoya en la experiencia operativa acumulada, una amplia base de clientes, un servicio estable y el seguimiento continuo de KPI. La empresa y su cartera de proyectos: millones de clientes; ventas por miles de millones al mes. Ailoot aplica esa experiencia operativa al acceso por API a funciones de IA en productos de clientes, agentes, aplicaciones y automatizaciones.