Fish Audio：克隆语音、一个免费模型、逐词高亮
English · 简体中文
Fish Audio 是一个语音克隆服务：上面的每个语音都是用一段简短的录音做出来的——用户做的，或者你自己做的——它现在的模型 S2.1 Pro 会说 83 种语言。插件的 Fish Audio 那一节只用一个 API 密钥就能连上它，朗读用这些语音时也逐词高亮，和用 Azure、Kokoro 的语音一样。这一页讲：密钥、什么免费什么收费，以及一个语音怎么进到播放器里。
密钥
国内网络——api.fish.audio 是走 Cloudflare 的；网上有第三方反馈说，从国内直连有时要挂代理，但我们没有实测过，这里不打包票。
- 到 fish.audio 注册，点打开应用，在左侧栏最上面选开发者。
- API 密钥 → 创建 API 密钥（也可以直接打开 fish.audio/app/api-keys）：填好**密钥名称**，**有效期**保持**永不**——密钥一过期，朗读当天就停——再点**创建**。马上把密钥抄下来：之后列表里只显示打了码的样子。
- 在 Zotero 里，编辑 → 设置 → OpenReader → Fish Audio：把它粘进 API 密钥，点测试连接，再点启用。
免费或付费
这一块的只用免费模型开关默认是开着的。
- 开——每句话都用免费的 S2.1 Pro 读，账户不需要余额。用 Fish Audio 自己的话说，它的条款是：文本量不限，不保证速度，你发的文本可能会被留下用于改进模型。这原本是限时优惠，已经延长过不止一次——截至 2026 年 10 月，延到 2026 年 11 月 30 日；也可能随时结束。
- 关——走付费的 S2.1 Pro：同一个模型，每百万字节文本 15 美元，大约 18 万个英文单词；一个汉字算三个字节。费用从你的 API 余额里扣，就是开发者 → API 账单里的余额，点充值充进去。它和网站自己的套餐、点数（创意 → 账单）是分开的。没有余额时，测试连接会显示 Insufficient API credit，在你充值或者把免费模型重新打开之前，都不会出声。
语音
语音会出现在播放器第一个下拉框的Fish Audio条目下面，用它们各自的名字列出。只有官方语音默认开启；我的语音和手动语音默认关闭。三个来源开关彼此独立。
- 官方语音。 自动列出 Fish Official 发布的语音。社区语音只有在你自己输入其 Model ID 后才会加入。
- 我的语音。 自动列出你的 Fish Audio 账户创建的语音，无需粘贴 ID：就是网站我的声音页面里我的声音标签下的那些。只收藏或喜欢过的语音不算，要用它的 Model ID 加进来。
- 手动语音。 提供**语音（Model IDs）**中填入的语音。关闭此开关会隐藏它们，但不会清除已保存的 ID。
- 语音（Model IDs）。 Fish Audio 把每个语音的标识叫作模型 ID（Model ID）。点击字段标签里的 Model IDs 即可打开 Fish Audio 的发现页。打开一个语音的页面，点 ⋯ → 复制模型 ID，再粘贴到这里；这个 ID 也就是该页面地址的最后一段，
fish.audio/app/m/<id>。多个用逗号或空格分开。字段旁的 ? 会提示这个页面。以前粘贴的语音链接仍然有效。要编辑此字段，先停用云端块，修改后再启用。
- 更改来源。先停用 Fish Audio，解锁来源选项，修改后再启用。如果有朗读播放器打开，停用时会先询问是否停止朗读。重复的语音只显示一次，只要仍有一个已开启的来源提供它，就会继续列出。
- 语言。 语音按语言分组，列出多种语言的归在多语种下。明确标注了地区口音的英语语音会单独分组，例如英语（美国）、英语（英国）和英语（印度）。未标注地区的仍归在英语下。
- Default。 模型自带的声音包含在我的语音中，即使你的账户没有自定义语音。关闭我的语音即可隐藏它。三个来源都关闭后，Fish Audio 中没有可用语音；测试连接仍然有效。如果已保存的语音变得不可用，请在朗读前选择其他语音。
- 更新列表。点击启用或测试连接会重新获取 Fish Audio 语音列表。重复打开时会复用已加载的列表，直到 Zotero 重启。列表更新失败时，会保留上次成功的语音并提示；更换 API 密钥不会复用另一个账号的列表。
测试连接会统计列出的语音数量，并检查模型能否发声。手动输入的语音如果页面已删除，会显示为 (not found)，直到你移除其 ID。
值得知道
- 一句话大约两秒钟送达，一次朗读里的第一句会久一点；播放器会提前取，所以读起来是连续的。
- 特别长的一段——没有句号的一整段、当成一句话来读的表格——花的时间按比例变长：一分半钟的语音大约要四十秒送达。
- 发送的内容是正在读的这句话，以及语音的 id。
- 速度是播放器自己的滑块，跟其他语音一样；不会重新生成。