Fish Audio 免费 TTS API 从调研到脚本化：一款真正免费的 AI 语音合成

背景：免费的 TTS 这么难找吗？

做 AI 语音合成的时候，我经常需要把文字转成语音。TTS 服务的收费模式很统一——按字符计费，免费额度少得可怜：

• ElevenLabs：10,000 积分/月，大概能合成 6-10 分钟的语音
• OpenAI TTS：没有免费层，直接按量计费
• Google Gemini TTS：也没有免费层
• 阿里云百炼 TTS：有月度免费额度，但用完了需要手动申请

直到看到一条消息：Fish Audio（鱼声）在 2026 年 6 月 23 日宣布将旗舰模型 S2.1 Pro 作为免费 API 开放。

这和其他服务最大的区别是——它把旗舰模型免费开放，公平使用下没有硬性字符上限。这在所有主流 TTS 服务商里是独一份。

是什么：Fish Audio S2.1 Pro Free

Fish Audio 是开源语音技术社区，他们的 S2.1 Pro 是他们最强的 TTS 模型。

核心参数

和竞品的对比直观一些：

怎么做：从注册到脚本化

第一步：注册

注册流程比较简单：

1. 打开 https://fish.audio/auth/signup
2. 输入邮箱（支持 QQ 邮箱等国内邮箱）
3. 查收验证码邮件（标题：”Fish Audio: Your One-Time Password”，10 分钟有效）
4. 填入验证码完成注册
5. 登录后到 https://fish.audio/app/api-keys 生成 API Key

第二步：直接调 API

拿 Key 后的最简单的测试——一行 curl：

curl -X POST https://api.fish.audio/v1/tts \
  -H "Authorization: Bearer 你的API_KEY" \
  -H "model: s2.1-pro-free" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "你好，欢迎关注 Fish Audio 免费 TTS。",
    "format": "mp3",
    "reference_id": "zh-female"
  }' \
  --output hello.mp3

关键细节：模型 ID 必须在 Header 中传递（--header 'model: s2.1-pro-free'），不是 JSON body。这是 Fish Audio API 的设计，容易忽略。

第三步：脚本化

每次用 curl 太麻烦，写个 Python 脚本封装一下。项目结构如下：

my-tts-project/
├── scripts/
│   └── fish_tts.py       # 主脚本
├── test_data/
│   └── demo_cn.mp3       # 中文合成示例
├── env/
│   └── requirements.txt  # httpx
└── README.md

核心调用逻辑：

import httpx

def call_tts(api_key, text, model="s2.1-pro-free",
             reference_id="zh-female", format="mp3", proxy=None):

    headers = {
        "Content-Type": "application/json",
        "Authorization": f"Bearer {api_key}",
        "model": model,  # 模型在 header，不是 body！
    }

    payload = {
        "text": text,
        "format": format,
        "temperature": 0.7,
        "top_p": 0.9,
        "prosody": {
            "speed": 1.0,
            "volume": 1.0,
            "normalize_loudness": True,
        },
    }

    client_kwargs = {"headers": headers, "timeout": 60}
    if proxy:
        client_kwargs["proxy"] = proxy  # httpx: proxy=url，不是 proxies={}

    with httpx.Client(**client_kwargs) as client:
        response = client.post("https://api.fish.audio/v1/tts", json=payload)
        response.raise_for_status()
        return response.content

脚本预设了 6 个精选声音——sarah（英文女声）、adrian（英文男声）、egirl（活力女声）、energetic（活力男声）、zh-female（中文女声）、zh-male（中文男声），支持命令行参数和环境变量两种方式传参：

# 方式1：环境变量
export FISH_API_KEY=***
python3 fish_tts.py "你好，世界" --reference zh-female --output hello.mp3

# 方式2：指定代理
python3 fish_tts.py "你好" --reference zh-female --proxy http://127.0.0.1:7890

# 方式3：列出可选声音
python3 fish_tts.py --list-voices

技术选型用了 httpx 而非 requests：因为 httpx 支持原生代理参数 proxy=（传递 URL 字符串），而 requests 用的是 proxies=（传递字典）。如果你在代理环境下工作，httpx 更顺手。

第四步：集成到工具链

脚本验证通过后，可以根据自己的需求集成到自动化流程中。脚本支持通过环境变量或命令行参数运行，可以配合定时任务、自动化脚本、API 网关等场景使用。

踩坑记录

1. GFW 阻断（最大障碍）

现象：国内直连 api.fish.audio 直接超时。更准确地说——DNS 解析正常（108.160.169.55），但 TCP 连接被阻断。同时 fish.audio 官网也被墙，注册也需要代理环境。

解决方案（按推荐顺序）：

脚本中已经内置了 --proxy 参数，配合本地代理一行搞定：

python3 fish_tts.py "你好" --proxy http://127.0.0.1:7890

2. 代理选型踩坑

不是所有代理都能顺利连通 Fish Audio API。实际测试中：

• 直连：完全超时（TCP 被阻断）
• HTTP/HTTPS 代理：部分代理能解析域名，但 TLS 握手阶段失败（exit 35）
• SOCKS5 代理：可以正常连通

如果你的代理是 Clash/Mihomo 系，注意检查是否开启了 UDP 转发和完整的 TLS 支持。如果是自建代理，建议优先用 SOCKS5 协议。

3. httpx 代理参数 vs requests

如果你是 requests 老用户，迁移到 httpx 时注意一个 API 差异：

# requests 写法
requests.get(url, proxies={"http": "...", "https": "..."})

# httpx 写法（更简洁）
httpx.Client(proxy="http://127.0.0.1:7890")  # 统一代理，URL 字符串

对于只需要一个统一代理的场景，httpx 更干净。

适用场景

该用 Fish Audio 的时候

• 中文语音合成：因为中文是 Fish Audio 的主要优化方向之一，效果很好
• 需要情感表现力：标签系统可以让语音带上情绪
• 原型开发和测试：免费无上限，适合初期验证
• 多语言内容：一个模型覆盖 83 种语言

不建议的场景

• 超低延迟要求（<50ms）：首句延迟 70-90ms，比本地方案慢
• 需要 SLA 保障的线上服务：免费层无 SLA
• 大规模商业应用：ARR > $100 万需联系官方

总结

Fish Audio 把旗舰模型免费开放，是 TTS 市场的一个大动作。如果你有语音合成需求，值得花 10 分钟注册拿 Key 试试——成本和风险都几乎为零。

几条核心建议收尾：

1. API Key 存环境变量（不要硬编码到代码里）
2. 模型 ID 放 Header（这是最容易忽略的地方）
3. 国内用户准备好代理（API 被墙，脚本中已内置 --proxy 参数）
4. 关注官方动态：免费期可能调整，但即使转为收费，也大概率会有合理的免费层
5. 先测中文效果：同文本对比多个参考声音，找到最适合你场景的音色