Fish Audio S2.1 Pro: 開発者向け無料テキスト読み上げ (TTS) API
クイックサマリー:
Fish Audio の最新かつ最も高度な音声モデル S2.1 Pro が、無料のテキスト読み上げ (TTS) API として利用可能になりました。
83 言語に対応、フェアユース・ポリシー (Fair Use Policy) の下で利用制限なし。
モデル文字列: s2.1-pro-free — 既存の Fish API 呼び出しにそのままドロップして使用可能。
S2.1 Pro を無料で試す — 5分以内に最初の音声を生成 →
2026年6月 | Fish Audio の S2.1 Pro モデルが、フェアユースの下で無制限にアクセス可能な無料テキスト読み上げ API として提供開始されました。
なぜ高品質な音声 AI は常に高価だったのか
テキスト読み上げ API を評価したことがある方なら、既にあるパターンにお気づきでしょう。それは「実際に質の良いモデルは金がかかる」ということです。
ElevenLabs の無料枠では、ペイウォールに突き当たるまでに月間 10,000 クレジット（約 6〜10 分相当）しか提供されません。OpenAI TTS は従量課金制で、無料枠は一切ありません。Google の最新の Gemini TTS モデル（彼らの最も高度なモデル）も無料枠はゼロで、最初のトークンから課金されます。業界全体でこのパターンは一貫しており、最先端の音声品質は常に有料機能でした。
これは開発者にとって深刻な問題を引き起こします。AI 音声ジェネレーター市場は毎年 20% 近い成長を遂げていますが、音声対応製品を構築するためのツールはペイウォールの向こう側に留まったままです。10,000 クレジットではモデルを適切に評価することすらできません。予算を事前に確保するか、自前の GPU インフラを必要とするオープンソースの代替品と格闘するために数週間を費やすかしない限り、ボイスエージェントのプロトタイプ作成や、オーディオブックのパイプラインのテスト、音声クローン (voice cloning) の実験を行うことは不可能なのです。
Fish Audio は今日、その状況を変えます。
S2.1 Pro とは？
S2.1 Pro は Fish Audio の現在の最先端音声モデルです。私たちが持つ最高のモデルを、API を通じてすべての開発者に無料で提供します。これは本番グレードの AI 音声生成のために設計されたニューラル音声合成モデルであり、特に低遅延ストリーミング、多言語 TTS、音声クローンに強みを持っています。今年初めにオープンウェイトでリリースした S2 の基盤の上に構築されています。
パフォーマンス
- 前世代の S2 Pro との直接的なリスニング評価において 61% の勝率を記録。詳細はブラインド TTS プロバイダー比較をご覧ください。
- 単一リクエストで ~70ms の初回音声生成時間 (TTFA) を実現（前世代の ~100ms から短縮）。
- 高い同時実行負荷下で 2倍以上のスループット向上。
詳細な技術的背景については、こちらの論文をご覧ください: こちら
対応言語
S2.1 Pro は、日本語、英語、中国語、韓国語、スペイン語、アラビア語、フランス語、ドイツ語、ポルトガル語、ロシア語など、83 言語をサポートしています。同一のモデルがすべての言語を処理するため、言語別のエンドポイントや言語ごとの価格設定は存在しません。
遅延 (Latency)
S2.1 Pro は標準 API で約 90ms の TTFA を提供し、リアルタイムのボイスエージェントや対話システムでの利用を可能にします。韻律や表現を細かく制御する必要がある場合は、S2 の単語レベルの音声制御機能も参照してください。
なぜ Fish Audio はこれを無料で提供できるのか
手短に言えば: 私たちは推論スタックをゼロから再構築しました。その結果、リクエストあたりのコストが大幅に低下し、私たちがそのコストを吸収できるようになったからです。
カスタム GPU カーネル
私たちは、NVIDIA Hopper (H100/H200) および Blackwell (RTX 6000 PRO) アーキテクチャをターゲットとした、本番グレードの FP8 GEMM および FlashAttention ライブラリである fish-scales-ops を開発しました。音声 AI サービングにおいて重要なデコード形状において、私たちの MXFP8 パスは torch.compile で融合された cuBLAS リファレンスを 2.1〜4.3倍上回ります。API を使うためにこれらを理解する必要はありませんが、これが無料枠を持続可能にしている理由です。
高いスループット
FP8 量子化を施した単一の H200 上で、システムは 64 個の同時リクエストに対して毎秒 8,000 トークンを超える出力スループットを維持します。GPU あたりのスループットが高まることは、1ドルあたりに処理できるリクエストが増えることを意味し、これが無制限の無料アクセスの経済的な実行可能性を支えています。
「無料」が実際に意味すること
私たちは制約を隠すよりも、率直にお伝えしたいと考えています。
得られるもの:
- モデル文字列:
s2.1-pro-free - 文字数制限なしの大量アクセス（フェアユース・ポリシーが適用されます）
- 有料プランと同じ API エンドポイント — 統合の手間は変わりません
現在の制限事項:
- 期間:
無料アクセスは 2026年7月24日まで無料アクセスは 2026年7月末まで無料アクセスは 2026年8月31日まで利用可能です。 変更がある場合は事前にお知らせします。- 更新 (2026年6月): 7月いっぱいまで無料期間を延長します。開発者の皆さんが期限に追われることなく、丸一ヶ月間じっくりと構築、評価、そしてリリースを行えるようにしたいと考えています。
- 更新 (2026年7月): 無料アクセスをさらに 2026年8月31日まで延長します。 Fish Audio の開発者の皆さんが S2.1 Pro で作り上げているものを見て、私たちは心から感動しており、その勢いをさらに加速させたいと考えています。
- SLA なし: 稼働率や TTFA の保証はありません。実験やプロトタイプ作成向けに構築されています。
- 遅延保証なし: ベストエフォート型であり、契約上の保証はありません。
- データ保持: リクエストはモデルの品質向上のために使用される場合があります。詳細はプライバシーポリシーをご覧ください。
- 商用利用: 一部の商用シナリオには制限がある場合があります。年間経常収益 (ARR) が 100 万ドルを超える製品の場合は、S2.1 Pro Free を使用する前に当社にお問い合わせください。詳細は料金とレート制限をご確認ください。
本番環境での SLA や遅延保証が必要な場合は、有料プランをご利用いただけます。この無料ティアは、構築し、評価し、判断するための最適な場所です。
無料 TTS API の使い方: S2.1 Pro クイックスタート
fish.audio/app/api-keys で API キーを取得し、最初の呼び出しを行ってください。Fish API は msgpack エンコードされたリクエストを受け取り、選択したフォーマットで音声を返します。詳細は API ドキュメントを参照してください。
JavaScript
import { writeFile } from "fs/promises";
const body = {
text: "こんにちは、世界！",
reference_id: "your_model_id",
format: "mp3",
};
const res = await fetch("https://api.fish.audio/v1/tts", {
method: "POST",
headers: {
Authorization: "Bearer <YOUR_API_KEY>",
"Content-Type": "application/json",
model: "s2.1-pro-free",
},
body: JSON.stringify(body),
});
if (!res.ok) {
throw new Error(`TTS request failed: ${res.status} ${await res.text()}`);
}
const buffer = Buffer.from(await res.arrayBuffer());
await writeFile("output.mp3", buffer);
Python
import httpx
body = {
"text": "こんにちは、世界！",
"reference_id": "your_model_id",
"format": "mp3",
}
with httpx.Client() as client:
res = client.post(
"https://api.fish.audio/v1/tts",
headers={
"Authorization": "Bearer <YOUR_API_KEY>",
"Content-Type": "application/json",
"model": "s2.1-pro-free",
},
json=body,
)
res.raise_for_status()
with open("output.mp3", "wb") as f:
f.write(res.content)
他の Fish Audio API 呼び出しとの唯一の違いは、ヘッダーに model: "s2.1-pro-free" を設定することだけです。それだけで完了です。
S2.1 Pro vs ElevenLabs および 2026 年のベスト TTS API 比較
以下の他社情報は、2026年6月時点の公開ドキュメントおよび料金ページに基づいています。価格や機能は変更される可能性があるため、本番環境での決定前に各プロバイダーに直接確認してください。
より詳細な独立した分析については、当社のブラインド TTS プロバイダー比較をご覧ください。
結論: 私たちが評価した主要な TTS API プロバイダーの中で、Fish Audio は現在最も寛容な無料アクセスモデルを提供しています。無料枠で有料枠と同じ最先端モデルを実行でき、厳格な使用制限がない唯一のプロバイダーです。ElevenLabs の無料枠は実質的に 10,000 クレジットの試用版です。Google の最も高度な TTS (Gemini TTS) には無料枠が全くありません。
モデルの品質を妥協しない、無料の ElevenLabs 代替案をお探しですか？ S2.1 Pro は現在、使用制限なしで利用可能です。
無料の OpenAI TTS 代替案をお探しですか？ OpenAI の TTS サービスには無料枠がありません。S2.1 Pro は最初に検討すべき有力な選択肢です。
これで何が作れるか
無料ティアは、ユースケースを意図的に制限していません。S2.1 Pro の低遅延 AI 音声生成、多言語サポート、音声クローンの組み合わせが最も力を発揮するシナリオをいくつか紹介します。
ボイスエージェント
リアルタイムの対話型 AI は、遅延の少なさが命です。標準的な呼び出しで約 90ms の TTFA を実現する S2.1 Pro は、自然な対話を行うのに十分な速さです。音声認識 (STT) レイヤーと LLM を組み合わせれば、文字単価の請求を気にすることなく音声パイプライン全体を構築できます。また、当社の MCP およびエージェントスキルサポートを介して S2.1 Pro をエージェントワークフローに統合することも可能です。
オーディオブックと長文朗読
83 言語のサポートと自然な韻律により、S2.1 Pro はオーディオブック制作や長文の音声合成に適しています。無制限に利用できるため、文字数カウンターを気にしたりクレジットを事前購入したりすることなく、原稿全体を処理できます。
音声クローン (Voice Cloning)
S2.1 Pro は、API 経由での参照音声からの音声クローンをサポートしています。参照音声のサンプルを渡すだけで、その声で音声を合成できます。パーソナライズされた音声アプリケーションの構築、一貫した話者のアイデンティティを保ったコンテンツのローカライズ、ゲームやアニメーションのキャラクターボイス生成などに活用してください。音声クローンは、他の機能と同様にフェアユース・ポリシーの下で無料ティアでも利用可能です。
多言語アプリケーション
アプリケーションが複数の言語のユーザーに対応している場合、単一の一貫した AI 音声 API で 83 言語をカバーできることは、言語ごとにエンドポイントが必要だったり、英語以外の音声合成にプレミアム料金がかかったりする代替案と比較して、大幅な簡素化につながります。
ゲームの NPC ダイアログ
ゲーム音声のパイプラインは、高いスループットと予測可能なリクエスト単価の恩恵を受けます。無制限の無料利用により、本番予算を確定させる前に、開発中に大量のダイアログライブラリを生成し、自由に試行錯誤することが実用的になります。
パートナーエコシステムを通じても提供中
S2.1 Pro は、Runware、Retell、Sierra など、増え続けるパートナープラットフォームを通じても利用可能です。
これらのプラットフォームですでに構築を行っている場合は、追加の統合やセットアップなしで S2.1 Pro にアクセスできます。既存の環境をそのままお使いください。
当社はパートナーネットワークを積極的に拡大しています。S2.1 Pro の統合に興味のあるプラットフォームまたはインフラプロバイダーの方は、当社のチームにお問い合わせいただき、可能性を探ってみてください。
フェアユースと今後の展望
無料ティアはフェアユース・ポリシー (Fair Use Policy) の下で運営されます。開発目的ではなく、悪用と思われる利用パターンに対しては、アクセスを制限またはスロットリングする権利を留保します。目的は、正当なユースケースに対して恣意的な制限を設けることではなく、開発者コミュニティ全体のアクセスを保護することです。詳細は料金とレート制限をご覧ください。
今後予定されていること:
- 無料アクセスは現在、期間限定で提供されています。 変更がある場合は事前に通知します。
- 有料プランは、本番環境のワークロード向けに SLA 保証、遅延の確約、商用ライセンスを提供しています。
- インフラ投資は継続中 — この無料ティアを可能にしたエンジニアリング作業は、一度限りのイベントではありません。
- オープンソースインフラ: S2.1 Pro を支えるインフラコンポーネント（無料ティアを持続可能にしているのと同じスタック）をオープンソース化する計画です。
本番環境への導入に向けて Fish Audio を評価されているなら、無料ティアは最適なスタート地点です。実際に何かを構築し、アプリケーションにとって重要な指標を測定し、本番環境の要件について話し合う準備ができたら、ぜひご連絡ください。
クレジットカード不要。待機リストなし。試せる内容に制限なし。
よくある質問
テキスト読み上げ (TTS) API とは何ですか？
Fish Audio S2.1 Pro は本当に無料ですか？
2026 年における最高の無料 TTS API はどれですか？
Fish Audio は ElevenLabs と比較してどうですか？
Fish Audio は音声クローンに対応していますか？
Fish Audio を商用利用できますか？
Fish Audio はどの言語に対応していますか？
