Fish Audio: S2.1 Pro

Fish Audio: S2.1 Pro is een tekst-naar-spraakmodel van Fish Audio, vermeld op api14 onder de categorie speech. De provider beschrijft het als productiegericht, wat het plaatst in het deel van de Fish Audio line-up dat is gericht op ingezette spraaktoepassingen in plaats van experimenten. Als je al andere modellen via api14 routeert, staat deze naast hen als een optie voor spraakgeneratie van dezelfde provider.

Het model neemt tekst als enige invoer en retourneert spraak als enige uitvoer. Het is gebouwd voor meertalige spraaktoepassingen, expressieve vertelling en dialoogsynthese, en het biedt open natuurlijke-taalbesturing voor spreekstijl. Dat betekent dat je de gewenste voordracht in gewone taal kunt beschrijven in plaats van te kiezen uit een vaste set presets. Er is geen contextvensterwaarde gepubliceerd voor dit model, en de maximale uitvoer staat als nul in de modelmetadata, dus beschouw de praktische lengte van elke afzonderlijke generatie als iets dat je moet verifiëren tegen de live API in plaats van aan te nemen op basis van de vermelding.

De use cases volgen direct uit die eigenschappen. Meertalige spraaktoepassingen zijn de duidelijkste match, aangezien het model bedoeld is voor meer dan één taal. Expressieve vertelling past bij audioboeken, uitlegvideo's en alle content waarbij een vlakke voorlezing verkeerd zou klinken. Dialoogsynthese dekt scripts met meerdere sprekers, conversationele agents en interactieve personages. De natuurlijke-taalstijlbesturing is nuttig wanneer je toon of voordracht per verzoek wilt sturen zonder een bibliotheek met presetstemmen te onderhouden.

Je roept het aan via de OpenAI-compatibele API van api14 met het model id "fish-audio/s2.1-pro". Omdat de interface het OpenAI-formaat volgt, werken bestaande clients en SDK's over het algemeen met een wijziging van base URL en model id. De modelmetadata vermeldt geen ondersteunde parameters, dus ga er niet van uit dat sampling-besturing zoals temperature of top_p wordt geaccepteerd; controleer het live endpoint voordat je erop vertrouwt. De uitvoer is audio, dus je client moet een spraakrespons kunnen verwerken in plaats van tekst.

Er is geen gepubliceerde contextlengte, en de maximale uitvoer is geregistreerd als nul, dus zeer lange scripts moeten mogelijk worden opgesplitst in kleinere verzoeken. Als je taak tekstgeneratie is in plaats van spraak, past een tekstmodel beter. Als je een spraakmodel nodig hebt met gedocumenteerde parameterbesturing, vergelijk dan met andere spraakmodellen op api14 voordat je je vastlegt.