Fish Audio

Fish Audio 是從開源專案 Fish Speech 起家的語音 AI 平台，官網說有超過 800 萬使用者，近期完成 5,200 萬美元種子輪。產品同時有給創作者用的網頁介面與給開發者的 API，模型更新很快，目前主力是 Drama 3（官網形容最有表現力、最能控制情緒的即時語音模型）與 Fish Audio S2.1 Pro，舊的 S1 模型將在 2026 年 12 月 31 日退役。

功能特色與適用場景：最有特色的是情緒標籤。在稿子裡加上標記，就能控制憤怒、悲傷、尷尬、耳語、興奮等語氣，還有笑聲、哭泣、嘆氣、喘氣、清喉嚨與長短停頓，做廣播劇、有聲書、遊戲角色特別好用。聲音複製官網說 10 秒錄音就能開始，但它自己的標語也說「五秒很簡單，五分鐘才是考驗」，長篇內容建議提供更長的樣本。社群聲音庫有超過 200 萬個聲音可直接用。此外還有語音辨識、變聲、音訊分離、音訊翻譯、音效生成、Story Studio，以及聽寫工具 Dropline 與 MCP 串接。

API 端按 UTF-8 位元組計價：s2.1-pro 每百萬位元組 15 美元，另有一個 s2.1-pro-free 免費模型；Drama 3 定價每百萬位元組 50 美元（11 月 12 日前推廣價 10 美元）。語音辨識每小時 0.36 美元。

給台灣使用者的建議：官網 FAQ 明列支援中文，從示範聽來普通話自然度不錯，但台灣腔、台語、粵語沒有說明。要特別注意的是 API 以 UTF-8 位元組計價，一個中文字約 3 個位元組，同樣字數的中文成本約是英文的 3 倍，估預算時別算錯。免費方案只能個人非商業使用，拿來做 YouTube 營利影片或 Podcast 要升級付費。社群聲音庫裡有不少模仿名人的聲音，商業使用前務必確認授權，避免侵害肖像與聲音權。