Zum Hauptinhalt springen

Fish AudioAudiomodellOffene Gewichte

Fish Audio S2 Pro

BeliebtheitSpitzengruppe etwa gleich beliebt, 8 Modelle

52von 100neue Berechnung

beruht auf zwei Datengruppen, überwiegend Suche, Spanne 42 bis 62

Zusammenfassung

Fish Audio S2 Pro ist ein offenes Sprachsynthesemodell mit Steuerung über Prosodie- und Emotionsmarkierungen. Es unterstützt Mehrsprecher-Dialoge, Stimmenklonen und eine breite Sprachenabdeckung, während die veröffentlichte S2-Linie als API und lokal nutzbare Gewichte erscheint.

Fish Audio nennt ungefähr 100 Millisekunden bis zum ersten Audio. Die offiziellen S2-Quellen nennen rund 50 bis 80 Sprachen.

GraduallyBench Audio

Beim Textabgleich der Sprachausgabe weicht die Rücktranskription von Fish Audio S2 Pro um 2,5 % von der Vorlage ab (8 Fehler auf 321 Wörter, Deutsch und Englisch). Der Median der 20 Modelle mit Wert für Deutsch und Englisch liegt bei 3,5 %.

Wortfehlerrate Deutsch und Englisch

2,5 %

8 Fehler auf 321 Wörter der Vorlage

Zeichenfehlerrate

1,6 %

27 Fehler auf 1.685 Zeichen

Umfang

16 / 16

gültige Ausgaben von geplanten

Zugang

OpenRouter

Textabgleich Deutsch und Englisch im Vergleich

Abweichende Wörter nach Rücktranskription in Prozent (Deutsch und Englisch), niedriger ist besser

20 von 20 Modellen

Kleinerer Testumfang: Fish Audio S2 Pro, Fish Audio S2.1 Pro, MAI-Voice-2, MAI-Voice-2-Flash, Sonic 3.6, Voxtral Mini TTS, GPT-4o Mini TTS.

Stand 10.11.2026. Quelle: GraduallyBench Audio

Fish Audio S2 Pro

Benchmark durchgeführt
  • Der Textabgleich nutzt eine zweite Spracherkennung als Näherung.
  • Natürlichkeit und Stimmqualität wurden nicht bewertet.
  • Die tatsächlich verwendete Stimme ist nicht bestätigt.
  • Die genaue Modellversion ist über die Route nicht bestätigt.
Testdetails anzeigen

Sprachausgabe mit Textabgleich

OpenRouter · Deutsch, Englisch

16 gültige Ausgaben aus 16 begonnenen und 16 geplanten Testplätzen.

Textabgleich der Sprachausgabe, WER
1,86 %(3 / 161 Referenzwörter)Deutsch
Textabgleich der Sprachausgabe, CER
0,79 %(7 / 891 Referenzzeichen)Deutsch
Textabgleich der Sprachausgabe, WER
3,13 %(5 / 160 Referenzwörter)Englisch
Textabgleich der Sprachausgabe, CER
2,52 %(20 / 794 Referenzzeichen)Englisch
Textabgleich der Sprachausgabe, WER
2,49 %(8 / 321 Referenzwörter)Deutsch, Englisch
Textabgleich der Sprachausgabe, CER
1,6 %(27 / 1.685 Referenzzeichen)Deutsch, Englisch

WER vergleicht Wörter und CER vergleicht Zeichen mit der Referenz. Die Rücktranskription der Sprachausgabe erfolgte mit GPT Transcribe. Die genaue Backend-Revision ist nicht bestätigt. Gelesene Sprache und digitale Stille decken spontane Sprache und echte Störgeräusche nicht ab. Fehlerraten können über 100 % liegen. Testreferenzen wurden, sofern verwendet, nicht unabhängig menschlich geprüft. Testumfang und Methoden unterscheiden sich je Modell. Jede Kennzahl steht für sich, einen gemeinsamen Gesamtwert über alle Tests gibt es nicht. Daten zusammengestellt am 10.11.2026. So testen wir · Alle Decision- und Audioergebnisse als JSON herunterladen

Alle Benchmark-Werte

Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.

Alle 96 veröffentlichten Benchmark-Werte anzeigen

Seite 1 von 8

Messungen ohne passende Vergleichswerte

Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.

win rate (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
81,88
Messgröße
win rate
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Fish Audio S2 announcement
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Provider listening evaluation
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle Fish Audio S2 announcement
Fish Instruction Benchmark task acceptance rate (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
93,3
Messgröße
Genauigkeit
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Fish Audio S2 announcement
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Provider benchmark
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle Fish Audio S2 announcement
Soniqo FLEURS English, WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
3,9
Messgröße
WER from Qwen3-ASR on generated FLEURS clone audio
Einheit
%
Benchmark-Version
Soniqo FLEURS clone test/en_us, retrieved 2026-10-17
Kategorie
text-to-speech
Richtung
Weniger ist besser
Stichprobe
10
Quellentyp
independent-evaluator
Auswertung
Soniqo speech-swift FLEURS clone benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Lokale Stimmklonung mit Fish Audio S2 Pro fp16 auf FLEURS test/en_us; zehn Referenz/Ziel-Paare für Englisch; neutraler Fließtext, 16-kHz-Referenz und 44,1-kHz-Ausgabe. Qwen3-ASR bewertet WER/CER, utmos22_strong sagt UTMOS voraus und Soniqo speech embed-speaker mit MLX berechnet das Sprecher-Cosinusmaß. Die aktuelle Konvertierungskarte ordnet fishaudio/s2-pro zu, belegt aber nicht die getestete Gewichtsrevision.
Einordnung
Soniqo veröffentlicht die Auswertung und pflegt auch den Speech-Stack. Gemessen wurde eine kleine lokale FP16-MLX-Konvertierung, nicht Fish Audios gehostete API. Die aktuelle Hugging-Face-Konvertierungskarte nennt fishaudio/s2-pro als Basis und Revision 254339851f9f39b68d06cc9284addab5fb32be13. Der Bericht bindet die getesteten Gewichte jedoch nicht an diese Revision. UTMOS ist vorhergesagt und kein menschlicher MOS-Wert. WER/CER von Qwen3-ASR und Soniqos Sprecher-Embeddings sind Proxy-Messungen. Ein Konfidenzintervall ist nicht veröffentlicht.
Quelle Soniqo speech-swift FLEURS clone benchmark
Soniqo FLEURS German, WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
7
Messgröße
WER from Qwen3-ASR on generated FLEURS clone audio
Einheit
%
Benchmark-Version
Soniqo FLEURS clone test/de_de, retrieved 2026-10-17
Kategorie
text-to-speech
Richtung
Weniger ist besser
Stichprobe
10
Quellentyp
independent-evaluator
Auswertung
Soniqo speech-swift FLEURS clone benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Lokale Stimmklonung mit Fish Audio S2 Pro fp16 auf FLEURS test/de_de; zehn Referenz/Ziel-Paare für Deutsch; neutraler Fließtext, 16-kHz-Referenz und 44,1-kHz-Ausgabe. Qwen3-ASR bewertet WER/CER, utmos22_strong sagt UTMOS voraus und Soniqo speech embed-speaker mit MLX berechnet das Sprecher-Cosinusmaß. Die aktuelle Konvertierungskarte ordnet fishaudio/s2-pro zu, belegt aber nicht die getestete Gewichtsrevision.
Einordnung
Soniqo veröffentlicht die Auswertung und pflegt auch den Speech-Stack. Gemessen wurde eine kleine lokale FP16-MLX-Konvertierung, nicht Fish Audios gehostete API. Die aktuelle Hugging-Face-Konvertierungskarte nennt fishaudio/s2-pro als Basis und Revision 254339851f9f39b68d06cc9284addab5fb32be13. Der Bericht bindet die getesteten Gewichte jedoch nicht an diese Revision. UTMOS ist vorhergesagt und kein menschlicher MOS-Wert. WER/CER von Qwen3-ASR und Soniqos Sprecher-Embeddings sind Proxy-Messungen. Ein Konfidenzintervall ist nicht veröffentlicht.
Quelle Soniqo speech-swift FLEURS clone benchmark
Soniqo FLEURS Modern Standard Arabic, WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
26,7
Messgröße
WER from Qwen3-ASR on generated FLEURS clone audio
Einheit
%
Benchmark-Version
Soniqo FLEURS clone test/ar_eg, retrieved 2026-10-17
Kategorie
text-to-speech
Richtung
Weniger ist besser
Stichprobe
10
Quellentyp
independent-evaluator
Auswertung
Soniqo speech-swift FLEURS clone benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Lokale Stimmklonung mit Fish Audio S2 Pro fp16 auf FLEURS test/ar_eg; zehn Referenz/Ziel-Paare für Modernes Hocharabisch; neutraler Fließtext, 16-kHz-Referenz und 44,1-kHz-Ausgabe. Qwen3-ASR bewertet WER/CER, utmos22_strong sagt UTMOS voraus und Soniqo speech embed-speaker mit MLX berechnet das Sprecher-Cosinusmaß. Die aktuelle Konvertierungskarte ordnet fishaudio/s2-pro zu, belegt aber nicht die getestete Gewichtsrevision.
Einordnung
Soniqo veröffentlicht die Auswertung und pflegt auch den Speech-Stack. Gemessen wurde eine kleine lokale FP16-MLX-Konvertierung, nicht Fish Audios gehostete API. Die aktuelle Hugging-Face-Konvertierungskarte nennt fishaudio/s2-pro als Basis und Revision 254339851f9f39b68d06cc9284addab5fb32be13. Der Bericht bindet die getesteten Gewichte jedoch nicht an diese Revision. UTMOS ist vorhergesagt und kein menschlicher MOS-Wert. WER/CER von Qwen3-ASR und Soniqos Sprecher-Embeddings sind Proxy-Messungen. Ein Konfidenzintervall ist nicht veröffentlicht.
Quelle Soniqo speech-swift FLEURS clone benchmark
Soniqo FLEURS Spanish, WER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
6,8
Messgröße
WER from Qwen3-ASR on generated FLEURS clone audio
Einheit
%
Benchmark-Version
Soniqo FLEURS clone test/es_419, retrieved 2026-10-17
Kategorie
text-to-speech
Richtung
Weniger ist besser
Stichprobe
10
Quellentyp
independent-evaluator
Auswertung
Soniqo speech-swift FLEURS clone benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Lokale Stimmklonung mit Fish Audio S2 Pro fp16 auf FLEURS test/es_419; zehn Referenz/Ziel-Paare für Spanisch; neutraler Fließtext, 16-kHz-Referenz und 44,1-kHz-Ausgabe. Qwen3-ASR bewertet WER/CER, utmos22_strong sagt UTMOS voraus und Soniqo speech embed-speaker mit MLX berechnet das Sprecher-Cosinusmaß. Die aktuelle Konvertierungskarte ordnet fishaudio/s2-pro zu, belegt aber nicht die getestete Gewichtsrevision.
Einordnung
Soniqo veröffentlicht die Auswertung und pflegt auch den Speech-Stack. Gemessen wurde eine kleine lokale FP16-MLX-Konvertierung, nicht Fish Audios gehostete API. Die aktuelle Hugging-Face-Konvertierungskarte nennt fishaudio/s2-pro als Basis und Revision 254339851f9f39b68d06cc9284addab5fb32be13. Der Bericht bindet die getesteten Gewichte jedoch nicht an diese Revision. UTMOS ist vorhergesagt und kein menschlicher MOS-Wert. WER/CER von Qwen3-ASR und Soniqos Sprecher-Embeddings sind Proxy-Messungen. Ein Konfidenzintervall ist nicht veröffentlicht.
Quelle Soniqo speech-swift FLEURS clone benchmark
Soniqo FLEURS Simplified Chinese, CER (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
6,2
Messgröße
CER from Qwen3-ASR on generated FLEURS clone audio
Einheit
%
Benchmark-Version
Soniqo FLEURS clone test/cmn_hans_cn, retrieved 2026-10-17
Kategorie
text-to-speech
Richtung
Weniger ist besser
Stichprobe
10
Quellentyp
independent-evaluator
Auswertung
Soniqo speech-swift FLEURS clone benchmark
Status
active
Abrufdatum
2026-10-17
Methodik
Unabhängige Evaluation. Lokale Stimmklonung mit Fish Audio S2 Pro fp16 auf FLEURS test/cmn_hans_cn; zehn Referenz/Ziel-Paare für Vereinfachtes Chinesisch; neutraler Fließtext, 16-kHz-Referenz und 44,1-kHz-Ausgabe. Qwen3-ASR bewertet WER/CER, utmos22_strong sagt UTMOS voraus und Soniqo speech embed-speaker mit MLX berechnet das Sprecher-Cosinusmaß. Die aktuelle Konvertierungskarte ordnet fishaudio/s2-pro zu, belegt aber nicht die getestete Gewichtsrevision.
Einordnung
Soniqo veröffentlicht die Auswertung und pflegt auch den Speech-Stack. Gemessen wurde eine kleine lokale FP16-MLX-Konvertierung, nicht Fish Audios gehostete API. Die aktuelle Hugging-Face-Konvertierungskarte nennt fishaudio/s2-pro als Basis und Revision 254339851f9f39b68d06cc9284addab5fb32be13. Der Bericht bindet die getesteten Gewichte jedoch nicht an diese Revision. UTMOS ist vorhergesagt und kein menschlicher MOS-Wert. WER/CER von Qwen3-ASR und Soniqos Sprecher-Embeddings sind Proxy-Messungen. Ein Konfidenzintervall ist nicht veröffentlicht.
Quelle Soniqo speech-swift FLEURS clone benchmark
Fish Audio blind TTS provider comparison / aggregate win rate (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
65,7
Messgröße
Overall share of preference comparisons won
Einheit
%
Benchmark-Version
Fish Audio production-traffic blind comparison, 2026-03-26 to 2026-04-05
Kategorie
text-to-speech preference
Richtung
Mehr ist besser
Quellentyp
vendor-reported
Auswertung
Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Fish-Audio-Quellzeile: S2 Pro (latest), Route fish:s2-pro. Fish Audio führte vom 26.03. bis 05.04.2026 einen zehn Tage langen verblindeten A/B-Test mit echtem Produktionsverkehr der Webplattform durch. Text und Referenzstimme waren gleich. Als Gewinner galt die einzige heruntergeladene Variante, nachdem die Testperson beide Varianten mindestens zweimal abgespielt hatte. Die Gesamttabelle berichtet die übergreifende Gewinnrate. Eine unveränderliche Modellrevision und ein Nenner der Präferenzpaare je Zelle werden nicht veröffentlicht.
Einordnung
Vom Anbieter berichtete Auswertung, durchgeführt von Fish Audio, kein unabhängiger Modelltest. API-Nutzende waren ausgeschlossen; ungefähr 30 % der Testenden waren wiederkehrende Fish-Audio-Nutzende. Die Quelle zeigt in einer Spalte Samples den Wert 4.573, definiert diesen aber nicht als Nenner der Präferenzpaare. Daher bleibt N leer. Für diese Zelle wird kein Konfidenzintervall veröffentlicht.
Quelle Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Fish Audio blind TTS provider comparison / win rate vs ElevenLabs V3 (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
60
Messgröße
Pairwise share of preference comparisons won by Fish Audio S2 Pro
Einheit
%
Benchmark-Version
Fish Audio production-traffic blind comparison, 2026-03-26 to 2026-04-05
Kategorie
text-to-speech preference
Richtung
Mehr ist besser
Stichprobe
581
Quellentyp
vendor-reported
Auswertung
Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Fish-Audio-Quellzeile: S2 Pro (latest), Route fish:s2-pro, im benannten Direktvergleich mit ElevenLabs V3. Fish Audio führte vom 26.03. bis 05.04.2026 einen zehn Tage langen verblindeten A/B-Test mit echtem Produktionsverkehr der Webplattform durch. Text und Referenzstimme waren gleich. Als Gewinner galt die einzige heruntergeladene Variante, nachdem die Testperson beide Varianten mindestens zweimal abgespielt hatte. Diese Zelle umfasst 581 Präferenzpaare. Eine unveränderliche Fish-Modellrevision wird nicht veröffentlicht.
Einordnung
Vom Anbieter berichtete Auswertung, durchgeführt von Fish Audio, kein unabhängiger Modelltest. API-Nutzende waren ausgeschlossen; ungefähr 30 % der Testenden waren wiederkehrende Fish-Audio-Nutzende. Für diese Zelle wird kein Konfidenzintervall veröffentlicht.
Quelle Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Fish Audio blind TTS provider comparison / win rate vs Inworld TTS 1.5 Max (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
80
Messgröße
Pairwise share of preference comparisons won by Fish Audio S2 Pro
Einheit
%
Benchmark-Version
Fish Audio production-traffic blind comparison, 2026-03-26 to 2026-04-05
Kategorie
text-to-speech preference
Richtung
Mehr ist besser
Stichprobe
261
Quellentyp
vendor-reported
Auswertung
Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Status
active
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Fish-Audio-Quellzeile: S2 Pro (latest), Route fish:s2-pro, im benannten Direktvergleich mit Inworld TTS 1.5 Max. Fish Audio führte vom 26.03. bis 05.04.2026 einen zehn Tage langen verblindeten A/B-Test mit echtem Produktionsverkehr der Webplattform durch. Text und Referenzstimme waren gleich. Als Gewinner galt die einzige heruntergeladene Variante, nachdem die Testperson beide Varianten mindestens zweimal abgespielt hatte. Diese Zelle umfasst 261 Präferenzpaare. Inworld war auf reinen Text und MP3-Ausgabe beschränkt; geroutet werden konnten nur Stimmen mit erfolgreichem Klon. Eine unveränderliche Fish-Modellrevision wird nicht veröffentlicht.
Einordnung
Vom Anbieter berichtete Auswertung, durchgeführt von Fish Audio, kein unabhängiger Modelltest. API-Nutzende waren ausgeschlossen; ungefähr 30 % der Testenden waren wiederkehrende Fish-Audio-Nutzende. Laut Quelle erhielt Inworld wegen der Routenbeschränkungen eine kleinere, auf reinen Text und MP3 begrenzte Teilmenge. Dies ist daher kein Ranking mit gleicher Testabdeckung. Für diese Zelle wird kein Konfidenzintervall veröffentlicht.
Quelle Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Fish Audio blind TTS provider comparison / win rate vs MiniMax Speech 2.8 HD (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
95
Messgröße
Pairwise share of preference comparisons won by Fish Audio S2 Pro
Einheit
%
Benchmark-Version
Fish Audio production-traffic blind comparison, 2026-03-26 to 2026-04-05
Kategorie
text-to-speech preference
Richtung
Mehr ist besser
Stichprobe
142
Quellentyp
vendor-reported
Auswertung
Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Status
disputed
Abrufdatum
2026-10-17
Methodik
Vom Anbieter veröffentlichter Wert. Exakte Fish-Audio-Quellzeile: S2 Pro (latest), Route fish:s2-pro, im benannten Direktvergleich mit MiniMax Speech 2.8 HD. Fish Audio führte vom 26.03. bis 05.04.2026 einen zehn Tage langen verblindeten A/B-Test mit echtem Produktionsverkehr der Webplattform durch. Text und Referenzstimme waren gleich. Als Gewinner galt die einzige heruntergeladene Variante, nachdem die Testperson beide Varianten mindestens zweimal abgespielt hatte. Diese Zelle umfasst 142 Präferenzpaare. Eine unveränderliche Fish-Modellrevision wird nicht veröffentlicht.
Einordnung
Strittiger, vom Anbieter berichteter Vergleich. Fish Audio vermutet, dass die MiniMax-API-Integration nicht optimal gewesen sein könnte, weitete die Routing-Zulassung während des Tests aus und beendete den Versuch vorzeitig. Der Wert beschreibt diese getestete Route und Konfiguration und ist kein unumstrittenes Modellqualitätsranking. API-Nutzende waren ausgeschlossen, ungefähr 30 % der Testenden waren wiederkehrende Fish-Audio-Nutzende. Für diese Zelle wird kein Konfidenzintervall veröffentlicht.
Quelle Fish Audio, We Blind-Tested Our TTS Against Every Major Competitor
Seed-TTS Eval WER, Chinese (Messwert, Testbedingungen und Quelle anzeigen)
Originalwert
0,54
Messgröße
Wortfehlerrate
Einheit
%
Benchmark-Version
source version not stated
Kategorie
audio
Richtung
Weniger ist besser
Quellentyp
vendor-reported
Auswertung
Fish Audio S2 announcement
Status
active
Abrufdatum
2026-10-04
Methodik
Vom Anbieter veröffentlichter Wert. Provider S2 evaluation
Einordnung
Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Quelle Fish Audio S2 announcement

Seite 1 von 8

Beliebtheit im Vergleich

Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.

Beliebtheitsindex

0 bis 100, höher ist beliebter

20 von 54 Modellen

Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex

Zeitlicher Verlauf

Wochenwerte vom 18. Oktober 2026 bis 20. November 2026

Fish Audio S2 ProGemini 3.5 Transcribe 52Nova-3 51Phonon-2 51MiniMax-Music3 50

Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:

  1. 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
  2. 21. November 2026: Methodenversion 4 (gemeinsame Skala, Schrumpfung)
  3. 39. November 2026: Neue Topics-Erhebung V20 (Tagesquorum, Kurzformen)

Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.

Alle technischen Daten

Architektur

Modellklasse
Sprachsynthese
Quelle: Modellklasse
Checkpoint
fishaudio/s2-pro
Quelle: Checkpoint

Ein- und Ausgabe

Eingabe
Text mit Prosodie- und Emotionsmarkierungen
Quelle: Eingabe
Ausgabe
Mehrsprachige Sprache
Quelle: Ausgabe
Sprachen
Rund 50 bis 80 Sprachen, je nach Dokumentationsvariante
Quelle: Sprachen
Latenz
Ungefähr 100 Millisekunden bis zum ersten Audio
Quelle: Latenz

Wasserzeichen und Herkunft

KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.

KI-Wasserzeichen
Unbekannt
ohne Quelle
Wasserzeichen-Technik
Nicht bekannt
ohne Quelle

Lizenz und Zugang

Zugang
API und lokale Gewichte
Quelle: Zugang
Abschaltung
Keine angekündigt
ohne Quelle

Weitere Angaben

Funktionen
Inline-Prosodie, Emotion, Mehrsprecher-Dialoge und Stimmenklonen
Quelle: Funktionen

Quellen und Datenstand

Alle 31 Quellen anzeigen

Benchmarkquellen im Überblick

Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.

Für dieses Modell ist derzeit kein aktives Ergebnis der geprüften externen Auswerter zugeordnet. Weitere Quellenbelege stehen darunter.

Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.

ArtNachweis und Datenstand
RecherchestandRecherchestand 4. Oktober 2026. 24 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell.
Nicht veröffentlicht

per-model-denominator-and-confidence-interval

Hinweis

Die aktuelle Hume-TTS-Seite veröffentlicht für den Frontier-Score weder Fallzahl je Modell noch ein Konfidenzintervall.

Nicht veröffentlicht

Controlled Voice serving revision and sample semantics

Hinweis

Artificial Analysis legt für diese Controlled-Voice-Rangliste weder die Serving-Revision fest noch definiert es die Zähleinheit von Samples.

Nicht veröffentlicht

Serving revision and sample semantics

Hinweis

Die Rangliste legt weder die API-/Modell-Serving-Revision fest noch erklärt sie die Zähleinheit der Spalte Samples.

Nicht veröffentlicht

Voice Replication per-model N and uncertainty

Hinweis

Hume veröffentlicht für diese Tabellenzellen keine Stichprobengrößen je Modell oder Konfidenzintervalle.

Weitere QuelleFish Audio S2 open-source announcement (abgerufen 3. Oktober 2026; 4. Oktober 2026; 17. Oktober 2026) · Fish Audio S2 open-source announcement · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleFish Audio S2.1 API announcement (abgerufen 3. Oktober 2026) · Fish Audio S2.1 API announcement · Redaktionelle Beschreibung geprüft am 3. Oktober 2026
Weitere QuelleHume AI Real World VoiceEQ (abgerufen 17. Oktober 2026)
Weitere QuelleArtificial Analysis Controlled Voice Arena (abgerufen 17. Oktober 2026; 28. Oktober 2026; 29. Oktober 2026; 3. November 2026)
Weitere QuelleHume Voice Replication Leaderboard (abgerufen 17. Oktober 2026)
Weitere QuelleVoiceArena TTS Leaderboard (abgerufen 17. Oktober 2026)
Weitere QuelleSoniqo speech-swift FLEURS clone benchmark (abgerufen 17. Oktober 2026)
Weitere QuelleFish Audio, We Blind-Tested Our TTS Against Every Major Competitor (abgerufen 17. Oktober 2026)
Weitere QuelleArtificial Analysis Provider Voice Arena leaderboard (abgerufen 19. Oktober 2026)
Weitere QuelleOpenBMB UltraEval-Audio (abgerufen 20. Oktober 2026)
Weitere QuelleFish Audio S2 Technical Report (abgerufen 23. Oktober 2026)
Weitere QuelleArtificial Analysis (abgerufen 28. Oktober 2026; 29. Oktober 2026; 3. November 2026)
Weitere QuelleVoiceArena primary public leaderboard (abgerufen 28. Oktober 2026)
Weitere QuelleModellmetadaten (abgerufen 17. Oktober 2026)1 (am 2. November 2026 nicht abrufbar) https://voicearena.com/assets/Methodology-CJGHT0Ur.js234
Weitere QuelleModellmetadaten (abgerufen 28. Oktober 2026)12345678
Weitere QuelleOpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleVercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0
Weitere QuelleOllama: kumulierte Downloads für den Beliebtheitsindex
Weitere QuelleReplicate: kumulierte Ausführungen für den Beliebtheitsindex
Weitere QuelleGoogle Trending Now: begrenzte Feed-Auswahl für Deutschland und USA
Weitere QuelleCreative Commons Attribution 4.0