Fish Audio S2.1 Pro发布及免费API开放

第 1 集 · Fish Audio发布S2.1 Pro语音模型并获5200万美元融资(2026-07-29,11 条)

Fish Audio正式发布了面向生产环境的语音克隆模型S2.1 Pro，并宣布完成5200万美元的种子轮融资。该模型主打实时对话与情绪表达，仅需极少量的音频样本即可完成高保真声音克隆，并在生成速度与成本上对竞品发起了直接挑战。

已确认

• 融资与发布：Fish Audio官方宣布完成5200万美元种子轮融资，并同步公开发布S2.1 Pro语音模型。据@davidyin44转述，公司累计用户已超800万，年经常性收入（ARR）达到2100万美元。
• 克隆门槛：根据多位博主的转述，该模型仅需5到15秒的音频样本即可克隆声音，并能保留原说话人的语调、节奏、情绪和口音。
• 性能指标：官方披露S2.1 Pro的首音延迟约为90ms，足以支撑流畅的实时语音对话；模型支持覆盖83种语言，且允许通过类似[whispers sweetly]的标签进行实时情绪与风格控制，并支持发音和停顿的词级控制。
• 限时免费：据@rohanpaulai补充，该模型目前正限时免费开放一个月。
• 竞品对比：Fish Audio官方宣称，S2.1 Pro的生成速度是Cartesia的2倍，而使用成本仅为ElevenLabs的六分之一。

为什么重要

• 降低开发门槛：秒级别的克隆样本需求与90ms的超低延迟，大幅降低了实时语音助手、交互式游戏NPC等应用场景的开发和集成门槛。
• 加剧市场竞争：官方直接对标Cartesia与ElevenLabs并在速度和成本上给出具体倍数差异，预示着语音合成（TTS）与语音克隆市场的价格与性能战将进一步升级。

• Fish Audio 推出 5 秒克隆声音模型，称价格仅为 ElevenLabs 的六分之一 — JafarNajafov · 2026-07-29
• Fish Audio 说 S2.1 Pro 可在 90ms 内起声，覆盖 83 种语言 — testingcatalog · 2026-07-29
• Fish Audio发布S2.1 Pro：90ms低延迟支持83种语言 — testingcatalog · 2026-07-29
• Fish Audio 语音克隆只需 10 秒样本 — aryanXmahajan · 2026-07-29
• Fish Audio获5200万美元融资，推出S2.1 Pro语音克隆模型 — thisdudelikesAI · 2026-07-29
• Fish Audio 推出 S2.1 Pro 语音模型并披露 5200 万融资 — LinusEkenstam · 2026-07-29
• Fish Audio 融资 5200 万美元，AI 语音模型年收入达 2100 万 — davidyin44 · 2026-07-29
• Fish Audio 融资 5200 万美元并公开上线语音模型 S2.1 Pro — thisdudelikesAI · 2026-07-29
• Fish Audio 成立一年发布 S2.1 Pro 语音模型 — JafarNajafov · 2026-07-29
• Fish Audio 融资 5200 万美元，发布开源语音模型 S2.1 Pro — udmrzn · 2026-07-30
• Fish Audio 语音模型 S2.1 Pro 限时全免，成本仅竞品六分之一 — rohanpaul_ai · 2026-07-30

第 2 集 · Fish Audio 开放免费 TTS API，单卡 H200 榨干推理性能(2026-07-30,2 条)

Fish Audio 宣布将其最先进的 S2.1 Pro 语音模型作为免费文本转语音 API 开放，支持 83 种语言及合理使用下的无限调用。实现免费背后的核心逻辑在于极致的推理优化：通过自研软件栈，每个请求在单张 NVIDIA H200 GPU 上即可运行，实现了 0.17 RTF 和每秒 125 个音频 token 的高吞吐量，成功打破了高成本壁垒。

• 单张 H200 跑出 0.17 RTF，Fish Audio 拆解免费背后的推理账本 — rohanpaul_ai · 2026-07-30
• Fish Audio推出免费TTS API：单卡H200榨干125音频token/秒 — rohanpaul_ai · 2026-07-30