在 LobeHub 中使用 Fish Audio
Fish Audio 提供富有表现力的多语种语音合成模型,可以用自然语言指导演绎方式。在 LobeHub 中,Fish Audio 只提供语音合成(TTS),没有对话模型。
步骤一:获取 Fish Audio API Key
- 注册或登录 Fish Audio;
- 打开 API Keys 页面,创建一个密钥。API 用量为预付费,与 Fish Audio 应用订阅分开计费;
- 复制密钥并妥善保存。
步骤二:在 LobeHub 中配置 Fish Audio
- 打开 应用设置 → AI 服务商,选择 Fish Audio(可在服务商搜索框中输入
Fish快速定位); - 将密钥粘贴到 API Key 输入框。修改会自动保存,密钥在存储前会使用 AES-GCM 加密;
- 打开服务商名称右侧的开关;
- 可选:如需经代理发送请求,可在 API 代理地址 中填写。留空则使用
https://api.fish.audio。
步骤三:选择模型
模型列表 的 TTS 标签下列出了 Fish Audio 语音模型。Fish Audio S2.1 Pro、Drama 3 默认启用;S2 Pro 与已弃用的 S1 可在同一列表中手动开启。
Fish Audio 没有对话模型,因此服务商页面不显示 检查 按钮。可按下文方式生成一段语音来验证密钥。
Fish Audio 按每百万 UTF-8 字节计费,一个汉字的费用相当于三个英文字母。LobeHub 也按 UTF-8 字节记录用量,通过 OpenRouter 等 OpenAI 兼容网关调用 Fish Audio 模型时同样如此。大量生成音频前,请先查看 Fish Audio API 定价。
生成语音
语音合成通过 LobeHub 的语音合成接口完成,LobeHub CLI(lh)与兼容 OpenAI 的 POST /api/v1/audio/speech 接口都使用该接口:
- 音色:未指定时使用 Fish Audio 自带的默认音色。可用
--voice <reference_id>指定其他音色,即音色页面地址fish.audio/m/<reference_id>中的 32 位 ID; - 长度:语音以单个响应返回,每次请求最多 4096 个字符,更长的文本请拆成多次请求;
- 格式:
mp3(默认)或opus; - 语速:
0.5至2; - 演绎指令:S2.1 Pro、S2 Pro 与 Drama 3 支持不超过 200 个字符的演绎指令,例如
--instructions "小声、紧张"。指令会以[指令]的形式放在文本前面,并一同计费。S1 不支持演绎指令。
LobeHub 不内置任何来自 Fish Audio 社区音色库的音色,社区库中有大量未经授权的角色和真人克隆音色。请只使用你自己克隆或有权使用的音色。
常见问题
“Fish Audio API Key is incorrect or empty, please check your Fish Audio API Key and try again.”:没有找到密钥,或密钥被 Fish Audio 拒绝。请在 应用设置 → AI 服务商 → Fish Audio 中填写有效密钥,或请管理员在服务端设置 FISHAUDIO_API_KEY。密钥被拒绝时,括号中会附上 Fish Audio 返回的原始信息,例如 Fish Audio API error (401): Invalid token。
“Fish Audio API error (402)…”:账号没有所选模型的 API 余额,请在 Fish Audio 充值 API 额度。
“Check the voice id…”:该 reference_id 不存在或你的账号无权使用。请指定你自己拥有的音色,或不传 --voice。
限流错误:账号达到并发请求上限,上限会随累计 API 消费提高。请稍后重试。
自托管部署请参阅 模型服务商环境变量 中的 FISHAUDIO_API_KEY。