Fish Audio
Fish Audio est un service de voix par IA édité par Hanabi AI Inc., société du Delaware installée en Californie : synthèse vocale, clonage de voix, transcription, changeur de voix, effets sonores et un studio pour les formats longs, dans le navigateur, sur iOS et Android, ou par API et SDK.
L'éditeur revendique plus de 8 millions d'utilisateurs et a annoncé une levée d'amorçage en juillet 2026 pour son premier anniversaire. Le palier gratuit se limite à un usage personnel ; les abonnements Plus, Pro et Max ouvrent l'usage commercial. Cet avis mesure ce que tu peux faire sans payer, ce que coûtent les paliers et où le service atteint ses limites.
Lire plus Lire moins
Voix
Audio- Éditeur
- Hanabi AI Inc.
- Pays
- États-Unis
- Offre gratuite
- Oui
- Essai gratuit
- Non
- Sans carte bancaire
- Oui
Fish Audio en bref
C’est quoi ?
Fish Audio est une plateforme d’IA vocale : tu saisis un texte, tu choisis une voix dans la bibliothèque communautaire ou parmi tes clones, et le modèle S2.1 Pro génère une parole expressive, dirigée par des balises d’émotion écrites entre crochets dans le texte. Le même moteur sert la transcription, le changement de voix, la séparation audio et les effets sonores. Application web, API REST et SDK donnent accès aux mêmes fonctions.
Pourquoi ?
Tu l’utilises pour produire une voix off, une narration d’audiolivre ou les répliques d’un personnage sans cabine ni comédien, et pour donner une voix à un agent conversationnel en temps réel. Le clonage part de 10 secondes d’audio de référence. Les développeurs y trouvent une API facturée à l’usage, avec un modèle gratuit pour prototyper.
Pour qui ?
Fish Audio vise les créateurs de contenu et les chaînes YouTube, les éditeurs et autoéditeurs de livres audio, les développeurs d’agents vocaux, les studios de jeux et d’animation, et les entreprises qui déploient de la voix à grande échelle, jusqu’à l’auto-hébergement du modèle. Un usage personnel tient dans le palier gratuit ; toute publication monétisée passe par un abonnement.
Avantages et inconvénients
Les plus
- Accès gratuit sans carte Le palier gratuit s’ouvre sans carte bancaire et ses crédits se renouvellent chaque mois. Tu testes la synthèse, la bibliothèque de voix et le clonage de base avant de décider d’un abonnement.
- Voix dirigées par balises Des balises entre crochets, comme [whisper] ou [laughing], se glissent dans le texte pour diriger l’émotion et le rythme. L’éditeur en recense plus de 15 000 pour S2.1 Pro, sans menu de réglages à part.
- Clonage rapide et multilingue Un extrait court suffit pour créer une voix réutilisable d’une langue à l’autre, sans entraînement supplémentaire. Le clonage amélioré et les emplacements de voix privés arrivent avec les paliers payants.
- API à l’usage, modèle gratuit L’API se facture au million de caractères, sans abonnement ni minimum mensuel, et le modèle s2.1-pro-free reste gratuit pour développer et tester, sous politique d’usage équitable et sans garantie de latence.
- Modèles publiés en poids ouverts Fish Speech, S1 et S2 sont publiés sur GitHub en poids ouverts sous la licence de recherche de l’éditeur, et l’auto-hébergement complet existe pour les clients Enterprise, jusqu’aux réseaux isolés.
- Intégrations documentées LiveKit, Pipecat, n8n, Dify et ComfyUI sont documentés, avec des points d’entrée compatibles OpenAI et ElevenLabs et un serveur MCP pour les assistants de code.
Les moins
- Pas d’usage commercial en gratuit Le palier gratuit se limite à des projets personnels : la carte barre l’usage commercial et le clonage amélioré. Monétiser une vidéo ou un podcast impose un abonnement.
- Générations courtes au départ Chaque génération gratuite s’arrête à quelques centaines de caractères et le quota mensuel se consomme vite. Un texte long se découpe ou attend un palier payant.
- Remise annuelle sans prix régulier La grille annuelle affiche une remise à durée limitée avec un compte à rebours qui se relance, sans prix régulier lisible. Tu ne connais pas le tarif du renouvellement, facturé hors promotion selon les conditions.
- Documentation en anglais La documentation développeur, les conditions d’utilisation et la politique de confidentialité restent en anglais, alors que le site et l’application sont traduits en français.
- Auto-hébergement réservé aux entreprises Les poids ouverts servent à la recherche ; exploiter le modèle chez soi à des fins commerciales suppose une licence payante et un contrat Enterprise. Une petite équipe reste sur l’API hébergée.
Tableau des prix
Fish Audio affiche quatre paliers nommés sur sa page de tarification en français, Niveau gratuit, Plus, Pro et Max, et une offre Enterprise sur devis, à tarification au volume facturée à l’année. La page ouvre sur la vue annuelle, avec un sélecteur de devise en tête de grille ; le tableau porte le montant mensuel et le montant mensuel facturé à l’année, tels qu’affichés. Au jour du relevé, l’annuel de Plus et de Pro est vendu sous une remise à durée limitée annoncée à 50 % avec trois mois offerts, sans prix annuel régulier lisible, et les conditions d’utilisation prévoient un renouvellement au tarif non promotionnel. Pro ajoute une garantie de remboursement de 7 jours. L’API se facture séparément, à l’usage, au million de caractères pour la synthèse et à l’heure d’audio pour la transcription, avec un modèle gratuit pour développer ; les applications mobiles vendent des achats intégrés. Un programme étudiants et un programme startups accordent des crédits sur dossier.
| Palier | Prix au 22 septembre 2026 | Quota | Inclus | Pour qui |
|---|---|---|---|---|
| Niveau gratuit | 0 $ | 8 000 crédits par mois | Jusqu’à 7 minutes de génération, 500 caractères par génération, 3 emplacements de voix publics, vitesse standard, sans carte bancaire | |
| Plus | 13,49 € par mois — ou 4,96 € par mois, facturé à l’année | 250 000 crédits par mois | Jusqu’à 200 minutes de génération, 15 000 caractères par génération, voix publiques illimitées et 10 voix privées, génération prioritaire, Voice Design, 1 voix professionnelle, clonage amélioré, usage commercial | Créateurs et professionnels |
| Pro | 89,99 € par mois — ou 33,29 € par mois, facturé à l’année | 2 millions de crédits par mois | Tout Plus, jusqu’à 1 620 minutes de génération, 30 000 caractères par génération, 3 places d’équipe, voix illimitées, 5 voix professionnelles, remboursement sous 7 jours | Utilisateurs avancés et entreprises |
| Max | 899 € par mois — ou 666,58 € par mois, facturé à l’année | 25 millions de crédits par mois | Tout Pro, jusqu’à 6 250 minutes de génération, 10 sièges d’équipe, 15 voix professionnelles | Équipes de production à grande échelle |
| Enterprise | sur devis | Paiement à l’usage avec contrôles d’organisation, zéro conservation des données, déploiement on-premise, conformité SOC 2, remise supplémentaire, SSO personnalisé annoncé | Organisations aux exigences de conformité |
Tarifs officiels de Fish Audio, relevés le 22/09/2026
Ce que permet la formule gratuite
Fish Audio nomme Niveau gratuit son palier d’entrée, ouvert sans carte bancaire. Il donne 8 000 crédits par mois, avec 7 minutes au plus par génération, 500 caractères par requête et 3 emplacements de voix publics. Hanabi AI le renouvelle chaque mois.
Deux lignes sont barrées sur la carte : le clonage de voix amélioré et l’utilisation commerciale. L’éditeur le redit dans la FAQ de sa page de prix, sur son accueil et dans ses conditions d’utilisation : ce que tu génères sans payer reste réservé à des projets personnels. La génération rapide attend aussi un abonnement.
Chaque cycle recharge les crédits, sans report du reliquat. Ce compte gratuit sert à juger la qualité des voix, la lecture des balises d’émotion et le rendu d’un clone. Un volume régulier demande le palier Plus.
Ce que fait Fish Audio
Fish Audio repose sur ses propres modèles de synthèse : S2.1 Pro, recommandé en production, sa version gratuite s2.1-pro-free pour le développement, S2 Pro et S1. Une balise entre crochets se lit comme du texte ordinaire ; le modèle en déduit l’émotion, le souffle ou la pause, sans menu de réglages séparé. S1 reste disponible pour les intégrations existantes.
Côté transcription, transcribe-1 et transcribe-1-pro convertissent l’audio en texte, le second distinguant les locuteurs et notant les rires ou les hésitations ; Voice Design crée une voix depuis une description écrite. Chaque minute générée coûte environ 600 à 625 crédits, et le solde se lit sur la page de synthèse vocale.
Story Studio assemble des projets longs à plusieurs voix, audiolivres ou dialogues, dans un éditeur dédié. Plus de 2 millions de voix peuplent la bibliothèque communautaire. Un dictionnaire de prononciation publié s’applique ensuite aux requêtes pour les noms propres et les termes métier, et trois voies d’accès partagent la même mécanique : application web, API et SDK.
Comment utiliser Fish Audio
Prise en main initiale
Fish Audio s’ouvre sur fish.audio/app après une inscription par e-mail, Google ou GitHub, sans moyen de paiement. Le centre d’aide de l’application répond aux questions de crédits et d’abonnement et permet d’ouvrir un ticket ; la documentation développeur, en anglais, couvre l’API et les SDK Python et TypeScript.
Navigation dans l’interface
Fish Audio range ses outils dans un menu latéral : synthèse vocale, création de voix, effets sonores, séparation audio et reconnaissance vocale. Sur l’écran de synthèse, tu colles ton texte, tu choisis une voix et un modèle, tu insères des balises d’émotion, puis tu lances la génération et tu écoutes le résultat.
Utilisation et gestion de projets
Fish Audio garde chaque génération dans un historique et une bibliothèque, avec téléchargement et relecture. Les projets longs se montent dans Story Studio, les voix créées se gèrent dans Mes voix, et les paliers Pro et Max ajoutent des espaces d’équipe partagés avec facturation commune.
Fonctionnalités principales
Fish Audio couvre la synthèse vocale, le clonage, la transcription, le changement de voix, les effets sonores et la séparation audio, dans l’application web comme par API.
Synthèse vocale
La synthèse vocale transforme un texte en parole naturelle avec le modèle choisi. Elle est disponible dans l’application web, via l’API REST et via les SDK officiels.
Diffusion en temps réel
Le flux WebSocket renvoie l’audio pendant la génération, pour les agents vocaux qui doivent répondre sans attendre la fin du rendu.
Clonage vocal
Le clonage crée une voix à partir d’un court extrait de référence, puis la réutilise dans les langues prises en charge sans nouvel entraînement. Les paliers payants ajoutent le clonage amélioré et des voix professionnelles.
Transcription vocale
La reconnaissance vocale convertit un fichier audio en texte, avec horodatage optionnel. Le modèle transcribe-1-pro sépare les locuteurs et annote les émotions.
Dialogue multi-locuteurs
Le dialogue à plusieurs voix assemble plusieurs locuteurs dans une même sortie audio, pour les scènes dialoguées et les scripts à plusieurs personnages.
Contrôle des émotions
Des balises écrites dans le texte ajustent le ton, le rythme et les effets vocaux, du chuchotement au rire, sans modifier les mots eux-mêmes.
Horodatages au mot
Les horodatages au niveau du mot alignent la transcription sur l’audio, ce qui sert au sous-titrage, au repérage d’un passage précis et au montage synchronisé.
Story Studio
Story Studio produit de l’audio long format à plusieurs voix dans un éditeur de projet : audiolivres, dialogues et narrations découpées par chapitre.
Prise en charge multilingue
Une même voix se conserve d’une langue à l’autre. La documentation du modèle S2.1 Pro annonce une couverture bien plus large que la liste publiée dans cette fiche, avec détection automatique de la langue.
Voice Design
Voice Design crée une voix inédite depuis une description écrite, dans l’application à partir du palier Plus et par API à la requête.
Changeur de voix
Le changeur de voix transforme un enregistrement importé avec une voix de la bibliothèque ou une voix de référence, sur le web et dans les applications mobiles.
Effets sonores et séparation audio
Un générateur d’effets sonores produit des ambiances depuis une description, et la séparation audio isole les voix, les instruments ou un son décrit.
Dictionnaires de prononciation
Des règles de prononciation réutilisables se créent, se prévisualisent et se publient, puis s’appliquent aux requêtes de synthèse pour les noms et les termes techniques.
Usages et métiers
Fish Audio nomme lui-même ses publics et ses cas d’usage sur son accueil, sa page développeurs et sa page entreprise ; chaque entrée ci-dessous en reprend un, avec ce que l’outil remplace.
Développeurs et concepteurs d’agents
Ils intègrent synthèse, clonage et transcription par l’API, les SDK et le flux temps réel pour des agents vocaux, des compagnons IA ou des applications de personnages. L’outil remplace une brique de voix à assembler soi-même.
Créateurs de contenu et chaînes YouTube
Ils génèrent des voix off et des narrations depuis l’application web ou mobile, avec des balises d’émotion pour tenir la longueur d’une vidéo. L’outil remplace l’enregistrement manuel et la cabine.
Éditeurs et autoéditeurs
Ils narrent des livres audio dans Story Studio, chapitre par chapitre, avec plusieurs voix et un contrôle du rythme. L’outil remplace une session de studio ou un narrateur externalisé.
Studios de jeux et d’animation
Ils clonent des voix signatures ou créent des personnages de marque, puis modulent leurs émotions en ligne ou par API. L’outil remplace des séances d’enregistrement répétées par personnage.
Entreprises et centres de contact
Elles donnent une voix naturelle à leurs agents de support et à leurs serveurs vocaux, avec zéro conservation des données, déploiement on-premise et assistance dédiée en Enterprise. L’outil remplace une chaîne de fournisseurs séparés.
Étudiants et équipes de hackathon
Ils obtiennent des crédits gratuits sur justificatif d’adresse universitaire pour des présentations, des démonstrations et des prototypes vocaux, en usage non commercial. L’outil remplace un budget de voix off pour un projet d’études.
Conseils d’utilisation
Conseils pour une utilisation efficace
Fish Audio lit les balises d’émotion comme du texte : écris-les entre crochets à l’endroit exact où l’inflexion doit tomber, puis réécoute avant d’enchaîner. Sur un long script, découpe par scène ou par chapitre dans Story Studio, et fixe un dictionnaire de prononciation pour les noms propres qui reviennent.
Erreurs communes à éviter
Fish Audio dégrade un clone quand l’extrait de référence est bruité ou coupé : enregistre-le au calme, sans musique de fond. Publier une vidéo monétisée avec un compte gratuit contrevient aux conditions ; passe à un palier payant avant. Un abonnement annuel se renouvelle au tarif non promotionnel, à vérifier dans les réglages du compte avant l’échéance.
Modèles et droits sur les créations
Fish Audio publie ses modèles Fish Speech, S1 et S2 en poids ouverts sur le GitHub de l’éditeur, sous une licence de recherche maison ; le dépôt fish-speech remonte à octobre 2023. Exploiter les poids à des fins commerciales exige une licence payante, et l’auto-hébergement complet reste réservé aux contrats Enterprise, avec des modes hors ligne pour les réseaux isolés.
Datées du 18 août 2024, les conditions d’utilisation réservent le service gratuit à un usage interne, personnel et non commercial ; un abonné des services payants est licencié pour un usage commercial. D’après la page de tarification, un abonné exploite commercialement les voix vérifiées qu’il possède.
Tout abonnement se renouvelle automatiquement au tarif non promotionnel en vigueur, sauf désactivation dans les réglages ; une résiliation court jusqu’à la fin de la période payée, sans remboursement au prorata. Hanabi AI Inc. applique le droit californien. L’arbitrage siège à San Francisco.
En anglais, la politique de confidentialité liste les données collectées, dont les fichiers envoyés et les enregistrements, et confie le paiement à Stripe. Pour un résident de l’Union européenne, les données partent hors de la région sous clauses contractuelles types.
Accès
Fish Audio se pratique dans le navigateur, sur iPhone et sur Android, avec une interface traduite en français, et par API pour les intégrations. Canaux, accès développeur et langues de synthèse suivent juste après.
Aucune application de bureau n’est annoncée : le poste de travail passe par le site. Aux développeurs, Fish Audio fournit une API REST, un flux WebSocket, des SDK Python et TypeScript, un serveur MCP et des intégrations documentées.
Appareils, applications et systèmes compatibles
Fish Audio se sert sur le web, sur iOS et sur Android, avec un serveur Discord communautaire ; API, SDK, intégrations, code publié et auto-hébergement complètent l’accès développeur.
Disponible sur
Accès & intégrations
API publiqueOui
API REST et WebSocket, facturée à l’usage, avec un modèle gratuit pour le développement
SDKOui
SDK officiels Python et TypeScript
IntégrationsOui
LiveKit, Pipecat, n8n, Dify, ComfyUI, points d’entrée compatibles OpenAI et ElevenLabs, serveur MCP
Plug-inOui
greffon LiveKit documenté pour les agents vocaux
Open sourceOui
poids des modèles Fish Speech, S1 et S2 publiés sur GitHub sous licence de recherche
Auto-hébergeableOui
pile complète livrée en conteneurs et chart Helm aux clients Enterprise, y compris hors ligne
Langues disponibles
Fish Audio liste dix-sept langues de synthèse dans l’annonce de son API gratuite, reprises ci-dessous ; la documentation du modèle en annonce davantage, avec détection automatique. Site et application existent en français, la documentation développeur non.
anglais
chinois
japonais
coréen
espagnol
arabe
français
allemand
portugais
russe
italien
turc
néerlandais
polonais
vietnamien
thaï
indonésienAvis et notes par Aikiwi
Note Globale de Fish Audio 4,3
Fish Audio réunit dans un même service la génération de parole, le clonage de voix, la reconnaissance vocale, un changeur de voix, des effets sonores et un studio pour les formats longs, sur le web, sur mobile et par API. Les balises d’émotion écrites dans le texte font la différence à l’écoute sur un script long.
Fish Audio convient aux créateurs qui publient de la vidéo ou de l’audio, aux éditeurs de livres audio, aux développeurs d’agents vocaux et aux entreprises qui veulent héberger le modèle chez elles. Le palier gratuit permet de juger la qualité, pas de publier : l’usage commercial commence avec Plus.
Fish Audio pèche sur la lisibilité de sa grille annuelle, vendue sous une remise permanente sans prix régulier, et sur une documentation restée en anglais. Pour un projet vocal réel, le rapport entre le tarif mensuel de Plus et le volume inclus tient la comparaison.
Avis détaillé sur Fish Audio
Design et Ergonomie 4,0
Fish Audio organise son application autour d’un menu latéral et distingue un profil Créatif d’un profil Développeur, mais l’éditeur ne publie rien sur l’accessibilité ni sur la cohérence visuelle de l’interface. La documentation décrit une carte d’orientation de l’application web, pas un confort d’écran. Pour un utilisateur, le produit paraît structuré sans qu’un élément public permette de juger sa lisibilité avant l’inscription.
Facilité d’Utilisation 4,2
Fish Audio tient en un geste : coller un texte, choisir une voix et un modèle, générer. Les balises d’émotion s’apprennent vite parce qu’elles s’écrivent en langage courant entre crochets, et l’inscription se fait sans carte. Un développeur passe du compte au premier audio avec un appel d’API et un SDK officiel. La courbe se raidit sur Story Studio et sur les emplacements de voix, dont la logique varie selon le palier.
Fonctionnalités et Outils 4,7
Fish Audio couvre la synthèse, le flux temps réel, le clonage, la transcription avec séparation des locuteurs, le dialogue à plusieurs voix, Voice Design, le changeur de voix, les effets sonores, la séparation audio, les dictionnaires de prononciation et Story Studio, avec des espaces d’équipe sur Pro et Max. Peu d’outils vocaux réunissent autant de fonctions dans une interface sans code et dans une même API.
Performance et Fiabilité 4,3
Fish Audio publie une page de statut chez Better Stack qui affiche, au jour de la vérification, une disponibilité de 99,88 % sur quatre-vingt-dix jours pour l’API de synthèse, et sa page entreprise annonce un engagement de disponibilité de 99 % avec assistance continue. Le modèle gratuit de l’API ne porte aucune garantie de latence, réservée aux appels payants ; l’éditeur revendique un temps avant premier audio inférieur à la seconde en production.
Innovation et Singularité 4,6
Fish Audio combine des modèles publiés en poids ouverts, un modèle de production ouvert gratuitement par API sous usage équitable et une direction de la voix par balises en langage naturel plutôt que par curseurs. L’éditeur publie sa méthodologie de test d’écoute à l’aveugle et vise l’auto-hébergement en réseau isolé, une combinaison rare chez un service grand public.
Support et Ressources Disponibles 4,2
Fish Audio propose un centre d’aide traduit en français dans l’application, avec ouverture de ticket, une adresse e-mail, un serveur Discord et le suivi des problèmes sur GitHub. La documentation développeur est complète mais en anglais, et l’assistance continue avec responsable de compte se réserve aux contrats Enterprise.
Rapport Qualité-Prix 4,2
Fish Audio offre un palier gratuit utile pour juger, mais fermé à l’usage commercial et limité à des générations courtes. Le tarif mensuel de Plus, avec ses centaines de minutes et son usage commercial, reste accessible pour un créateur ; l’API à l’usage avec un modèle gratuit avantage les développeurs. La remise annuelle sans prix régulier affiché brouille la comparaison, et Max s’adresse à la production industrielle.
Questions fréquentes
Combien coûte Fish Audio ?
Fish Audio vend trois abonnements sur sa page de tarification en français : Plus à 13,49 € par mois, Pro à 89,99 € par mois et Max à 899 € par mois, chacun moins cher en facturation annuelle, avec au jour du relevé une remise à durée limitée sur l’annuel de Plus et de Pro. Enterprise se négocie sur devis, et l’API se paie à l’usage, sans abonnement.
Existe-t-il une version gratuite de Fish Audio ?
Oui, Fish Audio propose un Niveau gratuit permanent, sans carte bancaire, avec un quota de crédits mensuel, des générations courtes, trois voix publiques et la vitesse standard. Le clonage amélioré et l’usage commercial sont barrés sur la carte : ce palier sert à essayer, pas à publier.
Peut-on utiliser Fish Audio pour un usage commercial ?
Fish Audio réserve l’usage commercial aux abonnés : la FAQ de la page de prix et les conditions d’utilisation limitent le plan gratuit à des projets personnels, tandis que Plus, Pro et Max ouvrent l’exploitation commerciale des voix vérifiées que tu possèdes. Pour un contenu monétisé sur YouTube ou en podcast, un abonnement est nécessaire.
Comment cloner une voix avec Fish Audio ?
Fish Audio clone une voix à partir d’un court enregistrement de référence importé ou capté au micro, sans entraînement : la voix est prête en quelques secondes et se réutilise dans les langues prises en charge. Le clonage amélioré, les emplacements de voix privés et les voix professionnelles relèvent des paliers payants.
Quelles langues Fish Audio prend-il en charge ?
Fish Audio liste l’anglais, le chinois, le japonais, le coréen, l’espagnol, l’arabe, le français, l’allemand, le portugais, le russe, l’italien, le turc, le néerlandais, le polonais, le vietnamien, le thaï et l’indonésien dans l’annonce de son API gratuite. La documentation du modèle S2.1 Pro annonce une couverture plus large, avec détection automatique de la langue du texte.
Fish Audio est-il disponible en français ?
Fish Audio traduit son site, sa page de tarification, son centre d’aide et son application en français, et sa bibliothèque contient des voix françaises partagées par la communauté. Seules la documentation développeur et les pages juridiques restent en anglais.
Fish Audio propose-t-il une API ?
Fish Audio expose une API REST et un flux WebSocket, avec des SDK Python et TypeScript, facturés à la consommation selon le volume de texte synthétisé ou la durée d’audio transcrite, sans abonnement ni minimum. Un modèle de développement, s2.1-pro-free, ne coûte rien dans la limite d’un usage équitable, sans garantie de latence.
Fish Audio existe-t-il sur mobile ?
Fish Audio publie une application iPhone sur l’App Store et une application Android sur Google Play, toutes deux éditées par Hanabi AI Inc., avec synthèse vocale, changeur de voix, séparation audio et historique. Les abonnements et les packs de crédits s’y achètent en achats intégrés, aux tarifs du magasin.
Qui édite Fish Audio ?
Fish Audio est édité par Hanabi AI Inc., société de droit du Delaware installée en Californie selon ses conditions d’utilisation, dirigée par Rissa Cao, avec Shijia Liao comme fondateur et scientifique en chef. Le projet est né du dépôt open source Fish Speech avant de devenir une entreprise financée en amorçage.