Fish Audio S2.1 Pro: API Gratuita de Text-to-Speech para Desenvolvedores

Resumo rápido:

• S2.1 Pro, o modelo de voz mais avançado da Fish Audio, está agora disponível como uma API gratuita de text-to-speech

• 83 idiomas, uso ilimitado sob a Política de Uso Justo (Fair Use Policy)

• String do modelo: s2.1-pro-free — basta inseri-la em suas chamadas de API da Fish existentes

Experimente o S2.1 Pro gratuitamente — primeiro áudio em 5 minutos →

Junho de 2026 | O modelo S2.1 Pro da Fish Audio está agora disponível como uma API gratuita de text-to-speech com acesso ilimitado sob Fair Use.

Por que a IA de voz de alta qualidade sempre foi cara

Se você já passou algum tempo avaliando APIs de text-to-speech, já conhece o padrão: os modelos que realmente soam bem custam dinheiro.

O nível gratuito da ElevenLabs oferece 10.000 créditos por mês (aproximadamente 6 a 10 minutos) antes que o bloqueio de pagamento (paywall) entre em vigor. O OpenAI TTS é pago por uso, sem nenhum nível gratuito. Os modelos Gemini TTS mais recentes do Google — os mais avançados deles — não têm uso gratuito: você paga desde o primeiro token. O padrão é consistente em toda a indústria: a qualidade de voz de ponta (state-of-the-art) tem sido um recurso pago.

Isso cria um problema real para os desenvolvedores. O mercado de geradores de voz por IA está crescendo quase 20% ao ano — mas as ferramentas para construir produtos com voz integrada permaneceram atrás de um paywall. Você não consegue avaliar adequadamente um modelo com 10.000 créditos. Você não pode prototipar um agente de voz, testar um pipeline de audiolivros ou experimentar com clonagem de voz sem comprometer o orçamento antecipadamente ou passar semanas lutando com alternativas de código aberto que exigem sua própria infraestrutura de GPU.

A Fish Audio está mudando isso hoje.

O Que É o S2.1 Pro?

O S2.1 Pro é o modelo de voz de ponta atual da Fish Audio — o melhor modelo que temos, agora disponível para todos os desenvolvedores gratuitamente via API. É um modelo de síntese de fala neural projetado para geração de voz por IA de nível de produção, com pontos fortes particulares em streaming de baixa latência, TTS multilíngue e clonagem de voz. Ele se baseia na fundação do S2, que lançamos com pesos abertos no início deste ano.

Desempenho

• 61% de taxa de vitória contra a geração anterior S2 Pro em avaliações auditivas diretas — veja nossa comparação cega de provedores de TTS para contexto
• ~70ms de Tempo para o Primeiro Áudio (TTFA) em requisição única — reduzido de ~100ms na geração anterior
• Melhoria de mais de 2x no rendimento (throughput) sob carga de alta concorrência

Para o histórico técnico completo, veja nosso artigo: Aqui

Cobertura de Idiomas

O S2.1 Pro suporta 83 idiomas, incluindo Inglês, Japonês, Chinês, Coreano, Espanhol, Árabe, Francês, Alemão, Português, Russo e dezenas de outros. O mesmo modelo lida com todos os idiomas — sem endpoints separados, sem preços por idioma.

Latência

O S2.1-Pro entrega ~90ms de TTFA (Time to First Audio) na API padrão, tornando-o viável para agentes de voz ao vivo e sistemas de diálogo com alternância de turnos. Se você precisa de controle refinado sobre a prosódia e a entrega, veja também as capacidades de controle de voz ao nível da palavra do S2.

Por que a Fish Audio pode oferecer isso gratuitamente agora

A versão curta: reconstruímos a pilha de inferência do zero, e o custo por requisição caiu significativamente o suficiente para que pudéssemos absorvê-lo.

Kernels de GPU Customizados

Desenvolvemos a fish-scales-ops, uma biblioteca de FP8 GEMM e FlashAttention de nível de produção voltada para arquiteturas NVIDIA Hopper (H100/H200) e Blackwell (RTX 6000 PRO). Nos formatos de decodificação que importam para o serviço de voz por IA, nosso caminho MXFP8 supera a referência cuBLAS fundida pelo torch.compile em 2,1 a 4,3 vezes. Você não precisa entender nada disso para usar a API — mas é por isso que o nível gratuito é sustentável.

Maior Rendimento (Throughput)

Em uma única H200 com quantização FP8, o sistema sustenta mais de 8.000 tokens/segundo de rendimento de saída em 64 requisições simultâneas. Mais rendimento por GPU significa mais requisições atendidas por dólar, que é o que torna o acesso gratuito ilimitado economicamente viável.

O que "Gratuito" realmente significa

Preferimos ser honestos sobre as restrições do que escondê-las.

O que você recebe:

• String do modelo: s2.1-pro-free
• Acesso de alto volume sem limite fixo de caracteres (sujeito à Política de Uso Justo)
• Mesmo endpoint de API dos planos pagos — sem integração separada

Limitações atuais:

• Duração: O acesso gratuito está disponível até 24 de julho de 2026 O acesso gratuito está disponível até o final de julho de 2026 O acesso gratuito está disponível até 31 de agosto de 2026 O acesso gratuito está disponível até 30 de novembro de 2026 — comunicaremos qualquer alteração com aviso prévio.
  • Atualização (Junho de 2026): Estamos estendendo a janela gratuita para cobrir todo o mês de julho. Queremos que os desenvolvedores tenham um mês completo e ininterrupto para construir, avaliar e lançar — sem contar os dias para um prazo final.
  • Atualização (Julho de 2026): Estamos estendendo o acesso gratuito mais uma vez, até 31 de agosto de 2026. Ver o que nossos desenvolvedores Fish têm construído com o S2.1 Pro tem sido genuinamente gratificante, e queremos dar a esse momento ainda mais espaço para crescer.
• Sem SLA: Sem garantias de tempo de atividade ou TTFA; construído para experimentação e prototipagem
• Sem garantia de latência: Melhor esforço (best-effort), não contratual
• Retenção de dados: As requisições podem ser usadas para melhorar a qualidade do modelo — veja nossa Política de Privacidade
• Uso comercial: Alguns cenários comerciais podem ter restrições. Produtos que geram mais de $1M de ARR devem entrar em contato conosco antes de usar o S2.1 Pro Free. Veja Preços e Limites de Taxa para detalhes

Se você precisar de SLA de produção e garantias de latência, planos pagos estão disponíveis. Este nível é o lugar certo para construir, avaliar e decidir.

Como usar a API gratuita de Text-to-Speech: Início Rápido do S2.1 Pro

Obtenha sua chave de API em fish.audio/app/api-keys, depois faça sua primeira chamada. A API da Fish aceita requisições codificadas em msgpack e retorna áudio no formato escolhido. Referência completa na documentação da API.

JavaScript

import { writeFile } from "fs/promises";

const body = {
  text: "Hello, world!",
  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": "Hello, world!",
    "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)

A única mudança de qualquer outra chamada de API da Fish Audio: defina model: "s2.1-pro-free" nos cabeçalhos. É só isso.

Obtenha sua chave de API gratuita →

S2.1 Pro vs ElevenLabs e as Melhores APIs de TTS em 2026

As informações dos concorrentes abaixo são baseadas na documentação pública e nas páginas de preços disponíveis em junho de 2026. Preços e recursos podem mudar — verifique diretamente com cada provedor antes de tomar uma decisão de produção.

Para uma análise independente mais profunda, veja nossa comparação cega de provedores de TTS.

Conclusão: Entre os principais provedores de API de TTS que avaliamos, a Fish Audio oferece atualmente um dos modelos de acesso gratuito mais generosos — o único em que o nível gratuito executa o mesmo modelo de ponta que o nível pago, sem limite de uso fixo. O nível gratuito da ElevenLabs é efetivamente um teste com 10.000 créditos. O TTS mais avançado do Google (Gemini TTS) não possui nível gratuito.

Procurando por uma alternativa gratuita à ElevenLabs que não comprometa a qualidade do modelo? O S2.1 Pro está disponível agora sem limite de uso.

Procurando por uma alternativa gratuita ao OpenAI TTS? A oferta de TTS da OpenAI não tem nível gratuito — o S2.1 Pro é uma opção atraente para avaliar primeiro.

Veja a documentação completa da API e comece a construir →

O Que Você Pode Construir Com Ele

O nível gratuito é intencionalmente irrestrito quanto aos casos de uso. Aqui estão os cenários onde a combinação de geração de voz por IA de baixa latência, suporte multilíngue e clonagem de voz do S2.1 Pro tende a fazer mais diferença.

Agentes de Voz

A IA conversacional em tempo real vive e morre pela latência. Com ~90ms de TTFA para chamadas padrão, o S2.1 Pro é rápido o suficiente para diálogos naturais com alternância de turnos. Combine-o com uma camada de fala para texto (STT) e um LLM para um pipeline de voz completo sem uma conta por caractere. Você também pode integrar o S2.1 Pro em fluxos de trabalho de agentes através do nosso suporte a MCP e habilidades de agente.

Audiolivros e Narração de Longa Duração

O suporte a 83 idiomas e a prosódia natural tornam o S2.1 Pro bem adequado para a produção de audiolivros e síntese de fala de longa duração. O uso ilimitado significa que você pode processar manuscritos completos sem vigiar um contador de caracteres ou pré-adquirir créditos.

Clonagem de Voz

O S2.1 Pro suporta clonagem de voz a partir de áudio de referência via API — envie uma amostra de áudio de referência e o modelo sintetiza a fala naquela voz. Construa aplicações de voz personalizadas, localize conteúdo com identidade de falante consistente ou gere vozes de personagens para jogos e animações. A clonagem de voz está disponível no nível gratuito, sujeita à mesma Política de Uso Justo.

Aplicações Multilíngues

Se sua aplicação atende usuários em vários idiomas, a cobertura de 83 idiomas com uma única API de voz por IA consistente é uma simplificação significativa em relação às alternativas que exigem endpoints de modelo separados por idioma ou cobram taxas premium por síntese de fala em idiomas diferentes do inglês.

Diálogo de NPCs de Jogos

Os pipelines de áudio de jogos se beneficiam do alto rendimento e do custo previsível por requisição. O uso gratuito ilimitado torna prático gerar grandes bibliotecas de diálogos e iterar livremente durante o desenvolvimento antes de se comprometer com um orçamento de produção.

Disponível Através do Nosso Ecossistema de Parceiros

O S2.1 Pro também está disponível através de um número crescente de plataformas parceiras, incluindo Runware, Retell, Sierra e outros.

Se você já está construindo em uma dessas plataformas, o S2.1 Pro está acessível sem integração ou configuração adicional — basta usar o que você já tem.

Estamos expandindo ativamente a rede de parceiros. Se você é um provedor de plataforma ou infraestrutura interessado em integrar o S2.1 Pro, entre em contato com nossa equipe para explorar as possibilidades.

Uso Justo e O Que Vem a Seguir

O nível gratuito opera sob uma Política de Uso Justo (Fair Use Policy). Reservamo-nos o direito de restringir ou limitar o acesso para padrões de uso que pareçam abuso em vez de desenvolvimento — o objetivo é proteger o acesso para toda a comunidade de desenvolvedores, não criar limites arbitrários para casos de uso legítimos. Veja Preços e Limites de Taxa para detalhes.

Algumas coisas a esperar:

• O acesso gratuito está disponível agora por um período inicial. Daremos aviso prévio antes de qualquer mudança.
• Planos pagos com garantias de SLA, compromissos de latência e licenciamento comercial estão disponíveis para cargas de trabalho de produção.
• O investimento em infraestrutura é contínuo — o trabalho de engenharia que tornou este nível gratuito possível não é um evento único.
• Infraestrutura de código aberto: Planejamos abrir o código dos componentes de infraestrutura por trás do S2.1 Pro — a mesma pilha que torna o nível gratuito sustentável.

Se você está avaliando a Fish Audio para uma implantação em produção, o nível gratuito é o lugar certo para começar. Construa algo real, meça o que importa para sua aplicação e entre em contato quando estiver pronto para discutir os requisitos de produção.

Sem cartão de crédito. Sem lista de espera. Sem limites para o que você pode testar.

Obtenha sua chave de API gratuita →