TTS fish.audio
Nécessite FISH_AUDIO_API_KEY dans .env (créez-en une sur https://fish.audio/go-api/api-keys/).
Créez des modèles vocaux dans le playground fish.audio et passez leur identifiant comme reference_id pour réutiliser une voix clonée.
API actuelle
Appel synchrone unique renvoyant des octets audio bruts :
POST https://api.fish.audio/v1/tts
Authorization: Bearer ${FISH_AUDIO_API_KEY}
Content-Type: application/json
model: <modèle backend> # L'en-tête HTTP sélectionne le backend, ex. s1
Le modèle backend est choisi avec l'en-tête HTTP model, pas un champ du corps. Dans OpenMontage, cela correspond à l'entrée model de l'outil.
Modèles backend
model est obligatoire – il n'y a pas de valeur par défaut. Passez l'un des suivants :
s2.1-pro— dernière génération. Meilleure qualité : balises d'émotion inline, 80+ langues, multi-locuteur. Narration héroïque.s2.1-pro-free— accès gratuit promotionnel à s2.1-pro. Brouillons, échantillons et validations à 0 $ pendant la fenêtre promo uniquement. Selon l'annonce fish.audio : gratuit jusqu'au 31 août 2026, soumis à une utilisation équitable, aucune garantie SLA/latence, les requêtes peuvent être conservées et l'utilisation commerciale est restreinte. Ne l'utilisez jamais pour la narration en production ou pour les clients.s2-pro— première génération S2. Haute qualité stable avec prise en charge des balises d'émotion.s1— ancien produit phare. Conservé pour la compatibilité avec les intégrations existantes.
La facturation est par octet UTF-8 du texte saisi (pas par caractère). Le texte CJK et les emojis coûtent 3 à 4 fois plus qu'un caractère ASCII de même longueur visible. Tarif actuel : s1 / s2-pro / s2.1-pro = 15 $ par million d'octets, s2.1-pro-free = 0 $ uniquement pendant la fenêtre promo (l'outil estimate_cost() bascule vers le tarif payant s2.1-pro après le 31 août 2026). Vérifiez les tarifs actuels sur https://docs.fish.audio/developer-guide/models-pricing/pricing-and-rate-limits avant les gros volumes.
Balises d'émotion inline (modèles S2 uniquement)
s2-pro / s2.1-pro / s2.1-pro-free interprètent les balises d'émotion inline intégrées dans le texte :
- Les balises comme
[laugh],[whispers]modifient le débit en milieu de phrase. - Exemple :
"C'est hilarant [laugh] mais laisse-moi t'expliquer sérieusement." s1n'interprète pas les balises d'émotion — elles peuvent être lues comme du texte brut, donc supprimez-les lorsque vous ciblez s1.
Sélection de la voix (reference_id)
- Créez ou choisissez une voix dans le playground fish.audio, puis copiez son identifiant de modèle.
- Passez-le comme
reference_id. Levoice_idgénérique du sélecteur est accepté comme alias lorsquereference_idest absent. - Sans
reference_id, fish.audio utilise sa voix par défaut pour le modèle choisi.
Le clonage inline à la volée (téléchargement d'un audio de référence + texte par requête) n'est pas pris en charge par cet outil — créez d'abord un modèle vocal dans le playground.
Utilisation avec OpenMontage
Générez avec le sélecteur TTS :
from tools.audio.tts_selector import TTSSelector
result = TTSSelector().execute({
"preferred_provider": "fish_audio",
"text": "Voici pourquoi l'intérêt composé bat silencieusement chaque arnaque pour devenir riche rapidement.",
"model": "s1",
"reference_id": "<identifiant du modèle vocal du playground>",
"output_path": "projects/my-video/assets/audio/narration.mp3",
})
Ou appelez directement le fournisseur :
from tools.audio.fish_audio_tts import FishAudioTTS
result = FishAudioTTS().execute({
"text": "Court échantillon pour approbation.",
"model": "s1",
"reference_id": "<identifiant du modèle vocal du playground>",
"output_path": "projects/my-video/assets/audio/fish_sample.mp3",
})
Le fournisseur écrit l'audio dans output_path et renvoie data.output ainsi que les model et reference_id résolus.
Réglage de la qualité et de la latence
latency:normal(par défaut, meilleure qualité),balanced(un peu plus rapide), oulow(le plus rapide, léger coût en qualité).normalize: par défauttrue; laissez-le activé pour que les nombres, dates et devises soient lus naturellement.prosody: optionnel{ "speed": 1.0, "volume": 0 }pour ajuster le rythme/volume.mp3_bitrate:128est un bon défaut ; passez à192pour les mixes chargés en fond musical.temperature: par défaut0.7. Augmentez vers0.9pour des lectures plus expressives (recommandé si vous utilisez les balises d'émotion) ; abaissez pour un rendu plus stable et prévisible.top_p/repetition_penalty: laissez généralement les valeurs par défaut (0.7/1.2).
Flux de travail recommandé
- Générez un échantillon de 10 à 15 secondes avec le
model+reference_idchoisis avant une narration payante complète. - Demandez à l'utilisateur d'approuver le naturel, l'émotion et le rythme de la voix.
- Générez la narration complète uniquement après approbation.
- Pour les variantes en lot/localisation où le coût est important, prototypage sur
s2.1-pro-free(0 $ pendant la fenêtre promo ; brouillons non commerciaux uniquement) et passez la version finale às2.1-pro.
Dépannage
401 Unauthorized: cléFISH_AUDIO_API_KEYerronée ou manquante.402/ erreurs de paiement : crédit du compte épuisé.404/ mauvaise voix : lereference_idest erroné ou n'appartient pas à ce compte.- Audio vide/court : vérifiez que
textn'est pas vide et quenormalizene supprime pas la totalité de l'entrée.
Sécurité
N'imprimez ni n'écrivez jamais la clé API dans des journaux, métadonnées, correctifs ou artefacts de projet. .env.example ne doit contenir que des noms de variables vides.