À quoi sert Fish Audio S2 Pro
Audio
Fish Audio S2 Pro est un modèle multilingue de synthèse vocale : il prend du texte en entrée et produit de la parole en sortie.
Synthèse vocale
S2 permet de contrôler finement la prosodie et l’émotion directement dans le texte, par des balises en langage naturel. Il génère nativement plusieurs voix sur plusieurs tours de parole, de quoi produire des conversations entières.
- Audio
- Synthèse vocale
Les balises, les voix et les langues de Fish Audio S2 Pro
Fish Audio S2 Pro prend en charge plus de 15 000 balises uniques. Plutôt qu’un jeu fixe de balises prédéfinies, il accepte des descriptions textuelles libres, par exemple [whisper in small voice], [professional broadcast tone] ou [pitch up], pour contrôler l’expression au niveau du mot. Ces balises entre crochets sont traitées comme du texte ordinaire, pas comme des jetons de contrôle dédiés.
Fish Audio S2 Pro prend en charge plus de 80 langues : le japonais, l’anglais et le chinois constituent le premier niveau ; le coréen, l’espagnol, le portugais, l’arabe, le russe, le français et l’allemand forment le deuxième niveau. Il détecte automatiquement la langue du texte.
Selon le dépôt GitHub de Fish Audio, 10 à 30 secondes d’audio de référence suffisent à S2-Pro pour reproduire un timbre de voix. Pour cloner la voix, S2 place les tokens, les unités représentant cet audio de référence, dans l’invite système.
Les performances de Fish Audio S2 Pro
Fish Audio S2 Pro correspond au modèle désigné par « S2-Pro » dans le tableau de résultats publié pour S2, selon le dépôt GitHub de Fish Audio.
Qualité et intelligibilité
Selon Fish Audio, S2 obtient à sa sortie un taux d’erreur par mot (WER) de 0,54 % en chinois et de 0,99 % en anglais sur le jeu de test Seed-TTS Eval. Sur le Fish Instruction Benchmark, le modèle obtient un TAR de 93,3 % et une note de qualité de 4,51 sur 5.
Latence et débit
Selon Fish Audio, S2 met à sa sortie environ 100 ms avant le premier audio sur un seul GPU NVIDIA H200 et dépasse 3 000 tokens acoustiques par seconde, avec un facteur temps réel (RTF) sous 0,5. Quand la même voix est réutilisée d’une requête à l’autre, le cache de préfixe de SGLang atteint un taux de réussite moyen de 86,4 %, avec plus de 90 % en pointe.
Caractéristiques techniques de Fish Audio S2 Pro
Fish Audio S2 Pro est sorti le 10 mars 2026.
S2 repose sur un transformer décodeur seul associé à un codec audio à quantification vectorielle résiduelle (RVQ) de 10 livres de codes, à environ 21 trames par seconde. Son architecture double autorégressive (Dual-AR) compte 4 milliards de paramètres sur l’axe du temps et 400 millions de paramètres sur l’axe de la profondeur.
S2 est bâti sur la base Qwen3-4B. Il est entraîné sur plus de 10 millions d’heures d’audio dans plus de 80 langues, et son après-entraînement utilise l’optimisation GRPO, pour Group Relative Policy Optimization.
- Éditeur
Fish Audio
- Sortie
- Hébergeurs
- Fish Audio
Source : OpenRouter.
Où utiliser Fish Audio S2 Pro
À sa sortie, Fish Audio S2 Pro était disponible par l’API de Fish Audio, sous l’identifiant s2-pro. Il était aussi accessible par SGLang-Omni et par une démonstration interactive sur le site de l’éditeur.
Dès sa sortie, les poids de S2, son code d’affinage et son moteur d’inférence fondé sur SGLang étaient publiés sur GitHub et sur Hugging Face pour l’auto-hébergement. Au relevé d’octobre 2026, la documentation de Fish Audio présente s2-pro comme le modèle S2 de la génération précédente et recommande s2.1-pro pour les projets en production.
L'API Fish Audio
Pour relier le modèle à votre application
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
Fish Audio S2 Pro parmi les versions de Fish Audio
Fish Audio S2 Pro s’inscrit dans la génération S2, que Fish Audio présente en mars 2026 comme une nouvelle génération de synthèse vocale. S1 restait servi au lancement de S2 pour les intégrations existantes.
Au relevé d’octobre 2026, le journal des modifications de Fish Audio décrit S1 comme déprécié, avec un retrait prévu le 31 décembre 2026. S2 n’interprète pas les balises entre parenthèses de S1, à convertir en balises entre crochets lors d’une migration depuis S1.
Le 23 juin 2026, Fish Audio annonce S2.1 Pro, qui améliore S2-Pro en qualité, en latence et en débit. Au relevé d’octobre 2026, son dépôt GitHub présente Drama 3 comme le modèle vocal de nouvelle génération, amélioré sur tous les plans par rapport à S2-Pro, qui devient le fleuron de la génération précédente, à l’inférence plus rapide.
Les versions sélectionnées
| Repères | S2 ProVous êtes ici | S2.1 Pro Free (free) | S2.1 Pro |
|---|---|---|---|
| Elo | |||
| Sortie | |||
| Contexte | |||
| Prix d'entrée | |||
| Prix de sortie | |||
| Entrées | |||
| Réflexion | |||
| Tâches | |||
| Ce qui le distingue | Fish Audio S2 Pro est un modèle de synthèse vocale de Fish Audio, sorti le 10 mars 2026. Il transforme le texte en parole dans plus de 80 langues, avec des indications d’émotion placées dans le texte et le dialogue à plusieurs voix. | Fish Audio S2.1 Pro Free, publié par Fish Audio le 23 juin 2026, reçoit du texte et produit de la parole. L’éditeur le conseille pour les tests, le prototypage, le développement et les petites entreprises. | Fish Audio S2.1 Pro, publié par Fish Audio le 23 juin 2026, est un modèle de synthèse vocale : il lit du texte et produit de la parole. À sa sortie, Fish Audio cite les agents vocaux, les livres audio et les applications multilingues parmi ses cas d’usage. |
Les repères sont ceux renseignés dans l'annuaire ; un repère absent de toutes les versions sélectionnées n'est pas affiché. Comparaison complète dans le comparateur
FAQ
Quand Fish Audio S2 Pro est-il sorti ?
Fish Audio S2 Pro est sorti le 10 mars 2026. Ses poids sont publiés dès sa sortie sur Hugging Face pour l’auto-hébergement.
Fish Audio S2 et S2 Pro sont-ils le même modèle ?
Fish Audio S2 s’appelle s2-pro dans l’API de Fish Audio, et ses poids sont publiés dès sa sortie sous ce même nom sur Hugging Face pour l’auto-hébergement.
Quelle est la licence de S2 Pro ?
S2 Pro et ses poids sont publiés sous la Fish Audio Research License : l’usage de recherche et non commercial est gratuit, tandis que l’usage commercial demande une licence séparée de Fish Audio.
Peut-on faire tourner Fish Audio S2 Pro en local ?
Selon le dépôt GitHub de Fish Audio, S2-Pro est assez petit pour être déployé sur un GPU grand public. Ses poids sont publiés dès sa sortie sur Hugging Face sous le nom s2-pro pour l’auto-hébergement.
Usage sur OpenRouter
- Voix
- 26,8 k requêtes sur le dernier mois · 20e sur 20 des modèles les plus utilisés en Voix
Source : OpenRouter (openrouter.ai/rankings), au , données sous licence CC BY 4.0. Le volume traité via l'API OpenRouter mesure l'adoption, pas la qualité.
