Fish AudioAudiomodellAktiv
Fish Audio S2.1 Pro
BeliebtheitPlatz 670 von 875
0von 100wie im Vormonat
Zusammenfassung
Fish Audio S2.1 Pro ist der API-Endpunkt für die neuere S2.1-Generation. Er erzeugt mehrsprachige Sprache, unterstützt Stimmenklonen und reagiert mit ungefähr 90 Millisekunden bis zum ersten Audio.
Die kostenlose Kennung s2.1-pro-free ist bis zum 30. November 2026 unter Fair-Use-Regeln und ohne SLA angekündigt. Für Datenaufbewahrung und kommerzielle Nutzung gelten die Bedingungen des Angebots. Ein separater S2.1-Gewichts-Checkpoint ist nicht veröffentlicht.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 183 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 16
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
win rate versus S2 Pro (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 61
- Bewertung
- 61
- Messgröße
- win rate
- Einheit
- %
- Benchmark-Version
- source version not stated
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- vendor-reported
- Auswertung
- Fish Audio S2.1 announcement
- Status
- active
- Abrufdatum
- 2026-10-04
- Methodik
- Vom Anbieter veröffentlichter Wert. Provider blind listening; exact sample count not stated in announcement
- Einordnung
- Quellenspezifische Beobachtung. Sie begründet keine vergleichbare modellübergreifende Testkohorte.
Coval rolling-30-day pooled output word error rate (s2.1-pro-free endpoint) (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.5362004150695352
- Bewertung
- 1.5362004150695352
- Messgröße
- Pooled word error rate of speech synthesized by the exact free endpoint
- Einheit
- %
- Benchmark-Version
- Coval rolling 30-day snapshot, last measured 2026-10-16, source response fetched 2026-10-16T15:36:04.055765Z
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 2097
- Quellentyp
- independent-evaluator
- Auswertung
- Coval
- Status
- superseded
- Abrufdatum
- 2026-10-16
- Methodik
- Unabhängige Evaluation. Exakte Fish-Audio-API-Modell-ID s2.1-pro-free, entsprechend dem öffentlichen kostenlosen Dienst-Endpunkt. Coval misst diese Route getrennt vom Produktionsmodell S2.1 Pro mit denselben Prompts und berichtet ein rollierendes 30-Tage-Ergebnis, zuletzt gemessen am 16.10.2026. Gespeichert ist pooled_value=1.5362004150695352 aus der WER-Zeile, nicht mean_value; Covals sichtbare 1,5 % sind auf eine Dezimalstelle gerundet. Die Zahl bewerteter WER-Messungen stammt aus derselben Zeile.
- Einordnung
- Dieser Wert gilt für den kostenlosen Endpunkt s2.1-pro-free, nicht für den separat gemessenen Produktionsendpunkt S2.1 Pro. Die Zahl umfasst nur die für WER bewerteten Messungen, nicht alle versuchten Anfragen oder Fehler. Ein Konfidenzintervall wird nicht angegeben; Verfügbarkeit und Regeln des kostenlosen Tarifs können sich ändern. TTS-WER prüft die Verständlichkeit, nicht Natürlichkeit oder menschliche Präferenz.
Coval rolling-30-day TTS word error rate, 2026-10-17 snapshot (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.5
- Bewertung
- 1.5
- Messgröße
- Coval-reported TTS word error rate (WER)
- Einheit
- %
- Benchmark-Version
- Coval daily fixed-prompt endpoint benchmark, rolling 30-day window; route last measured 2026-10-17
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 2160
- Quellentyp
- independent-evaluator
- Auswertung
- Coval Voice AI Benchmarks
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte gehostete Coval-Modellroute S2.1 Pro von Fish Audio, nicht die separate Route S2.1 Pro Free. TTS-Auswertung mit festen Prompts über ein rollierendes 30-Tage-Fenster. Die Seite nennt 1,5 % WER bei 2.160 Samples für die am 17. Oktober 2026 zuletzt gemessene Route.
- Einordnung
- Dies ist die gehostete Produktionsroute und sie darf nicht mit der separat benannten kostenlosen Route zusammengeführt werden. Coval zeigt den WER auf eine Dezimalstelle gerundet; ein Konfidenzintervall wird nicht angegeben.
Hume Voice Controllability role-fit win rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 33
- Bewertung
- 33
- Messgröße
- Blind pairwise listener win rate over decided voice-role-fit votes
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, overall role-fit table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung fish-speech/s2.1-pro. Bezahlte, verblindete Rater vergleichen zwei Stimmen für denselben Produktionsauftrag. Der Wert ist der Anteil der entschiedenen Stimmen für die Rollenpassung; 50 % entspricht einem Gleichstand.
- Einordnung
- Dies ist eine paarweise Gewinnrate für Rollenpassung, keine direkte Natürlichkeitsbewertung. Hume veröffentlicht in der Tabelle weder die Stimmenzahl je Modell noch ein Konfidenzintervall.
Hume Voice Controllability naturalness win rate (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 34.6
- Bewertung
- 34.6
- Messgröße
- Blind pairwise listener win rate over decided naturalness votes
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, overall role-fit table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung fish-speech/s2.1-pro. Bezahlte, verblindete Rater bewerten getrennt, welche Stimme für denselben Produktionsauftrag natürlicher klingt. Der Wert ist der Anteil der entschiedenen Stimmen; 50 % entspricht einem Gleichstand.
- Einordnung
- Dies ist eine paarweise Gewinnrate für Natürlichkeit und eine andere Metrik als Rollenpassung. Hume veröffentlicht in der Tabelle weder die Stimmenzahl je Modell noch ein Konfidenzintervall.
Hume Voice Design age-band accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 56
- Bewertung
- 56
- Messgröße
- Accuracy identifying the requested generated-voice age band
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, age table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung fish-speech/s2.1-pro. Rater wählen zwischen den Altersgruppen 20er, 40er und 60er; die Quelle nennt 33 % als Zufallstrefferquote.
- Einordnung
- Bewertet wird, ob Rater die gewünschte Altersgruppe der erzeugten Stimme erkennen, nicht das Alter einer realen sprechenden Person. Fallzahl je Modell und Konfidenzintervalle werden nicht veröffentlicht.
Hume Voice Design gender consistency accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 99.1
- Bewertung
- 99.1
- Messgröße
- Accuracy identifying the intended generated-voice gender
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, gender table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung fish-speech/s2.1-pro. Rater ordnen die Stimme dem vorgesehenen Geschlecht zu; die Quelle nennt 50 % als Zufallstrefferquote.
- Einordnung
- Dies ist eine einzelne Dimension der Stimmsteuerung und kein allgemeiner TTS-Qualitätsscore. Fallzahl je Modell und Konfidenzintervalle werden nicht veröffentlicht.
Hume Voice Design requested-texture match accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 60.8
- Bewertung
- 60.8
- Messgröße
- Accuracy selecting the requested vocal texture in a two-voice comparison
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, texture table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung fish-speech/s2.1-pro. Rater wählen, welche von zwei Stimmen besser zum gewünschten Stimmklang passt; die Quelle nennt 50 % als Zufallstrefferquote.
- Einordnung
- Der Gesamtwert umfasst Stimmklangbegriffe wie nasal, hauchig, rau, warm, resonant und hell. Fallzahl je Modell und Konfidenzintervalle werden nicht veröffentlicht.
Hume Voice Design accent identification accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 25.7
- Bewertung
- 25.7
- Messgröße
- Accuracy pooled over six voice-design accent tasks
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, accent table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung fish-speech/s2.1-pro. Die Tabelle bündelt sechs Akzentaufgaben; laut Quelle liegt die Zufallstrefferquote je Aufgabe zwischen 17 % und 33 %.
- Einordnung
- Der gebündelte Wert hat aufgabenabhängige Zufallstrefferquoten von 17 % bis 33 %. Er ist daher weder als Genauigkeit einer einzelnen Aufgabe zu lesen noch direkt mit anderen Hume-Tabs vergleichbar. Fallzahl je Modell und Konfidenzintervalle werden nicht veröffentlicht.
Hume voice-dial pass rate across four controls (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 74.3
- Bewertung
- 74.3
- Messgröße
- Share of audio pairs audibly moving in the intended direction, averaged across four dials
- Einheit
- %
- Benchmark-Version
- Hume Voice Controllability leaderboard, dial table, captured 2026-10-17
- Kategorie
- audio
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Hume AI Real World VoiceEQ
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Exakte Hume-Tabellenbezeichnung fish-speech/s2.1-pro. Die vier Regler betreffen Tonhöhe, Tempo, Lautstärke und Tonumfang. Der Wert wird direkt aus Audiopaaren gemessen und nicht von Ratern erhoben.
- Einordnung
- Gemessen wird, ob sich der gewünschte Regler in die vorgegebene Richtung bewegt, nicht Natürlichkeit oder Sprachqualität. Die Quelle veröffentlicht weder die Fallzahl je Modell noch ein Konfidenzintervall.
Coval Fish Audio S2.1 Pro TTS WER, run 19:00 UTC (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 1.6
- Bewertung
- 1.6
- Messgröße
- Coval fixed-prompt speech-intelligibility word error rate, displayed average
- Einheit
- %
- Benchmark-Version
- Coval daily public evaluator run; rolling 30-day window; last measured 2026-10-17 19:00 UTC
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 2216
- Quellentyp
- independent-evaluator
- Auswertung
- Coval Voice AI Benchmarks
- Status
- active
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Coval-Öffentlichevaluierung mit festem Prompt-Set, gleitendes 30-Tage-Fenster und täglicher Lauf. Exakte Seitenroute/Modellbezeichnung: Fish Audio S2.1 Pro production route; erstellt von Fish Audio, gehostet bei Fish Audio. Angegebene Messwerte und jeweiliger Nenner werden nicht umgerechnet, außer Millisekunden exakt in Sekunden. Letzter Lauf laut Seite: 17. Oktober 2026, 19:00 UTC.
- Einordnung
- Coval veröffentlicht gleitende 30-Tage-Ergebnisse aus täglich wiederholten Läufen mit festen öffentlichen Audio- oder Prompt-Sets. Diese Zellen stammen aus dem späteren, zeitgestempelten Lauf der erfassten Seite und sind keine Kopie des älteren Laufs im Input. Exakte API-/Checkpoint-Revision, Anfrageparameter und Konfidenzintervalle fehlen; angezeigtes WER ist auf eine Nachkommastelle gerundet und misst keine Natürlichkeit.
Coval Fish Audio S2.1 Pro TTS WER p95, run 19:00 UTC (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 12.2
- Bewertung
- 12.2
- Messgröße
- 95th-percentile per-prompt TTS word error rate
- Einheit
- %
- Benchmark-Version
- Coval daily public evaluator run; rolling 30-day window; last measured 2026-10-17 19:00 UTC
- Kategorie
- audio
- Richtung
- Weniger ist besser
- Stichprobe
- 2216
- Quellentyp
- independent-evaluator
- Auswertung
- Coval Voice AI Benchmarks
- Status
- superseded
- Abrufdatum
- 2026-10-17
- Methodik
- Unabhängige Evaluation. Coval-Öffentlichevaluierung mit festem Prompt-Set, gleitendes 30-Tage-Fenster und täglicher Lauf. Exakte Seitenroute/Modellbezeichnung: Fish Audio S2.1 Pro production route; erstellt von Fish Audio, gehostet bei Fish Audio. Angegebene Messwerte und jeweiliger Nenner werden nicht umgerechnet, außer Millisekunden exakt in Sekunden. Letzter Lauf laut Seite: 17. Oktober 2026, 19:00 UTC.
- Einordnung
- Coval veröffentlicht gleitende 30-Tage-Ergebnisse aus täglich wiederholten Läufen mit festen öffentlichen Audio- oder Prompt-Sets. Diese Zellen stammen aus dem späteren, zeitgestempelten Lauf der erfassten Seite und sind keine Kopie des älteren Laufs im Input. Exakte API-/Checkpoint-Revision, Anfrageparameter und Konfidenzintervalle fehlen; angezeigtes WER ist auf eine Nachkommastelle gerundet und misst keine Natürlichkeit.
Seite 1 von 16
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 83 Modellen
pyannote Community-1, pyannote: 73
Nemotron-3-Diarization, NVIDIA: 57
Gemini 3.5 Transcribe, Google: 52
Confucius4-R2T2, NetEase Youdao: 52
Granite Speech 5.0 470M TurboCTC, IBM: 52
Kokoro-82M, hexgrad: 51
Nova-3, Deepgram: 51
Fish Audio S2 Pro, Fish Audio: 51
NVIDIA Nemotron 3.5 Transcribe, NVIDIA: 50
Granite Speech 5.0 470M TurboCTC NC, IBM: 50
Orukeet, Oruk: 49
Lyria 3.5, Google: 47
Gemini 3.5 Live Translate, Google: 46
Phonon-2, Fermion Research: 44
Aura-2, Deepgram: 44
Gemini 3.1 Flash TTS, Google: 44
MiniMax-Music3, MiniMax: 41
Audio8-ASR-Infinite, Edge0 AI: 41
GPT-Realtime 2.1, OpenAI: 41
Fish Audio S2.1 Pro, Fish Audio: 0
Fish Audio S2.1 Pro
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 5. November 2026
Fish Audio S2.1 ProAmazon Nova 2 SonicEleven Multilingual STS v2Eleven Music v2.5Eleven Text to Sound v2
Alle technischen Daten
Architektur
Ein- und Ausgabe
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
- Watermarking-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
- Nutzungsbedingungen
- Kein SLA und keine garantierte Latenz; mögliche Aufbewahrungs- und kommerzielle Nutzungsbeschränkungen beachten
- Quelle: Nutzungsbedingungen
API
Preise
- Kostenloser API-Zugang
- Kostenlos bis 2026-11-30 unter Fair-Use-Regeln; Änderungen mit vorheriger AnkündigungQuelle
Quellen und Datenstand
Alle 45 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.