关注声音的表达节奏
台词的标点、停顿和句式会影响声音表现。S2 Pro 适合在短样中比较讲述方式，先确认重点和节奏，再扩展到完整文稿；模型的表达定位不等于能够精确执行每一种情绪标记。
规格与接口特性
在选型前明确型号、输入输出与调用方式。
- 模型选择
- HTTP 请求头 model: s2-pro
- 平台接口
- POST /fish/tts；text 为必填输入
- 音频交付
- 同步返回 audio_url；支持 callback_url 异步回调
- 输出格式
- mp3、wav、pcm；wav 与 pcm 均返回 WAV 容器
- 声音参考
- reference_id 或单个 references 样本，二者互斥
- 韵律控制
- prosody.speed 控制语速，prosody.volume 控制音量增益
能力描述结合公开模型资料与本平台文档；实际参数、输出和计费规则以对应 API 和定价栏目为准。
核心能力
了解 s2-pro 适合解决的声音任务。
从参考声音建立角色感
既可通过 reference_id 沿用保存的声音，也可使用录音与准确逐字稿进行一次性克隆。前者适合固定角色，后者适合单次配音项目，两种方式需要择一使用。
兼顾试听与应用交付
使用 MP3 做网页播放或快速审听，使用 WAV 容器进入编辑环节。同步完成后通过 audio_url 获取结果，较长任务也可配置回调，将等待过程接入任务列表。
适用场景
从具体内容和交付方式出发选择。
短视频与广告解说
将产品卖点、转场和结尾拆成短段，比较语速与文稿措辞对表达的影响。确认效果后再制作完整片段，并对照画面检查时长和停顿。
角色台词与互动内容
为固定角色选择可重复调用的声音，围绕真实台词检查一致性。应用负责角色编排与音频拼接，单个 TTS 请求不能直接等同于自动多角色制作。
品牌讲述与产品演示
把功能说明、品牌故事和引导文案合成为统一声音。保留试听稿与成片的对应关系，方便文案修改后局部替换，而不必重做整个视频。
如何选择这个模型
结合文稿、音色与制作成本进行比较。
默认型号也应明确记录
未设置 model 请求头时，平台使用 s2-pro。正式制作建议仍显式指定型号，避免测试稿和后续内容因设置变化而混用不同模型。
比较表达性与新一代能力
可以将同一段台词、同一音色交给 S2 Pro 与 S2.1 Pro 对比，关注语句自然度、生成等待和后续修订量。更关注长文稳定性时，再加入 S1 作为候选。
开始使用
先试听，再扩展到正式内容。
准备文稿与声音
明确朗读目的，校对文稿，选择保存音色或准备参考录音与逐字稿。
生成短样并校听
显式指定 s2-pro，用代表性段落确认发音、节奏和输出格式。
接入制作工作流
保存设置和任务编号，在完成后取得音频链接，再安排播放、剪辑或内容交付。
使用边界
了解合成方式与交付范围。
- 此入口用于文本转语音，不等同于语音识别、音乐生成或原生实时音频流。长篇内容应分段制作并安排校听，检查数字、缩写与专有名词。
- 一次性克隆仅接受一个公开 HTTPS MP3/WAV 录音样本及其准确逐字稿，不接受 Base64、data URI 或带凭据的 URL；不会自动保存长期音色。
- format=pcm 返回 WAV 容器，不能直接作为裸 PCM 字节处理；opus 不受支持。生成参数的支持范围和实际计费请查看本平台 API 文档与定价。
常见问题
解答使用 s2-pro 时的常见疑问。
S2 Pro 是平台默认模型吗？
是。本平台 Fish TTS 入口在未设置 model 请求头时默认 s2-pro。建议生产任务显式记录型号；官方推荐的最新型号与本入口默认型号是两个不同的信息。
型号应该写在哪里？
通过 HTTP 请求头 model 指定 s2-pro。不指定时默认 s2-pro；音色 reference_id 属于声音选择，与合成型号分别设置。
保存声音与一次性克隆怎么选？
固定角色或系列内容可用 reference_id 复用声音；单次项目可以用 references 提供录音与逐字稿。两者互斥，一次性克隆只接受一个参考样本。
怎样控制语速和输出格式？
prosody.speed=1.0 表示原速，volume 使用 dB，0 表示不改变音量。可选择 mp3、wav 或 pcm；后两者都使用 WAV 容器，MP3 码率可选 64、128 或 192。
长稿怎样跟踪完成结果？
设置 callback_url 后先保存 task_id 和 started_at，等待完成回调，也可按任务编号查询。取得 audio_url 才表示可以进入播放或编辑环节。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。