Source: https://ailoot.ai/models/es/fish-audio-s2-1-pro/ Canonical: https://ailoot.ai/models/es/fish-audio-s2-1-pro/ Language: es # Fish Audio: S2.1 Pro [Markdown](https://ailoot.ai/models/es/fish-audio-s2-1-pro/index.md) · [JSON](https://ailoot.ai/models/es/fish-audio-s2-1-pro/facts.json) ## [Fish Audio: S2.1 Pro](https://ailoot.ai/models/es/fish-audio-s2-1-pro/) Fish Audio S2.1 Pro crea habla multilingüe expresiva y diálogo nativo con varios hablantes, con mejoras respecto a S2 Pro en calidad, latencia y rendimiento. Dirige la interpretación dentro del guion y utiliza 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/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 más reciente de la generación S2 de Fish Audio para narración expresiva y aplicaciones de voz conversacional. Mejora la calidad del habla, la latencia y el rendimiento de S2 Pro, y conserva el control de interpretación en lenguaje natural y el diálogo nativo 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 deben 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 turnos. 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 de definición abierta. Coloca un cambio a mitad de frase donde lo necesite la interpretación y añade habla real después de las indicaciones descriptivas. Un encargo útil para una explicación separa su redacción factual de la calidez, el ritmo o el énfasis deseados para el oyente. Para un 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 el condicionamiento instantáneo de la voz. Elige una referencia con el tono y la calidad de grabación adecuados para el guion, y conserva la misma referencia en pasajes relacionados. La referencia de voz aporta el sonido del hablante; el texto y las indicaciones en línea aportan el contenido y su interpretación. La síntesis nativa con varios hablantes utiliza marcadores como \<|speaker:0|\> y \<|speaker:1|\> con un array ordenado de identificadores de voz o grupos de referencia separados. Mantén las etiquetas numéricas de hablante alineadas con ese orden. Para un intercambio didáctico, escribe la intervención de cada hablante y coloca la indicación de interpretación después del marcador de hablante correspondiente. Esto genera un diálogo en una sola petición; es un flujo distinto del de S1, que usa segmentos independientes de un solo hablante y un montaje posterior. El flujo del productor ofrece salida MP3, WAV, PCM sin procesar y Opus, con MP3 como formato predeterminado. MP3 admite 64, 128 y 192 kbps; WAV y PCM utilizan los formatos de muestras mono de 16 bits documentados, mientras que Opus utiliza 48 kHz. Elige el formato según se trate de un archivo de narración que se conservará, reproducción en streaming o una cadena posterior de procesamiento de audio. Conserva el guion completo y la selección de voz junto al 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 true como valor predeterminado 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 de este modelo. Revisa directamente los sonidos y las palabras repetidos en lugar de confiar en un parámetro heredado para establecer el resultado. Los guiones más largos se procesan por fragmentos. El intervalo documentado de longitud de fragmento es 100–300, y max\_new\_tokens es un presupuesto de tokens de audio por fragmento, no una garantía de duración total. El condicionamiento con el fragmento anterior puede transmitir el contexto de voz al siguiente. El flujo de entrega del productor describe audio completo, fragmentos de audio incrementales y transmisión de texto en directo 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 resultado 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 dirigida sencilla 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 concreta cambia la línea, la indicación o la referencia responsable de la discrepancia y conserva 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/#m=fish-audio%2Fs2.1-pro&route=Ultra&caller=fish-audio%2Fs2.1-pro&fmt=speech) Fish Audio /`fish-audio/s2.1-pro` ### Primeros pasos Fish Audio S2.1 Pro crea habla multilingüe expresiva y diálogo nativo con varios hablantes, con mejoras respecto a S2 Pro en calidad, latencia y rendimiento. Dirige la interpretación dentro del guion y utiliza 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` Tipos de entrada `text` Tipos de 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}` · task\_id real devuelto o registro de la biblioteca multimedia `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Planes Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado. Modo rápido Sin especificar Cuando se selecciona el modo rápido Modo flex Sin especificar Cuando se selecciona el modo flex Esfuerzo máximo de razonamiento Sin especificar Cuando el esfuerzo máximo de razonamiento utiliza el ajuste predeterminado (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 **$0.00003** por byte UTF-8 de entrada | Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. [Cómo funcionan la reserva y la liquidación →](https://ailoot.ai/docs/es/billing/reserve/) ### Solicitudes de ejemplo #### Ailoot Ultra · Voz Usa la entrada real y conserva el resultado completo ```bash set -eu : "${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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again. ``` ### Recibir y guardar resultados #### Ailoot Ultra · Voz Audio binario completo o respuesta original audio\_url, cabeceras y todos los recursos bajo tu titularidad. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` Otras consultas de contenido Consultar los archivos existentes que te pertenecen ```bash set -eu : "${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 las cabeceras, 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 task\_id/asset\_id realmente devueltos o la biblioteca multimedia propia; 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/#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/#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/billing/subscriptions/) · [Consultar precios de modelos](https://ailoot.ai/models/es/) ## 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) ## 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.