Hinweise zur Fish Model Create API-Integration

Diese Schnittstelle basiert auf der offiziellen Fish Audio Model API und wird verwendet, um auf Grundlage eines Audiobeispiels ein langfristig wiederverwendbares geklontes Stimmenmodell zu erstellen. Die Adresse lautet POST https://api.acedata.cloud/fish/model.

Wenn eine Referenzstimme nur vorübergehend verwendet werden soll, muss kein Modell erstellt werden; stattdessen kann das einmalige sofortige Klonen über references der Fish TTS API direkt verwendet werden. Informationen zum paginierten Abrufen vorhandener Stimmen finden Sie in der Fish Model Query API; Informationen zum Abrufen von Details einer einzelnen Stimme anhand von _id finden Sie in der Fish Model Get API.

Antragsprozess

Um die Fish Model API zu verwenden, rufen Sie zunächst Ihr API-Token in der Ace Data Cloud-Konsole ab und bewahren Sie es zur späteren Verwendung auf.

Falls Sie noch nicht angemeldet oder registriert sind, werden Sie automatisch zur Anmeldeseite weitergeleitet, um sich zu registrieren und anzumelden; nach Abschluss kehren Sie automatisch zur aktuellen Seite zurück. Ein API-Token kann alle Dienste der Plattform aufrufen; es ist nicht erforderlich, für jeden Dienst einen separaten Antrag zu stellen. Bei der ersten Beantragung wird ein kostenloses Kontingent vergeben, das kostenlos getestet werden kann; bei unzureichendem Kontingent kann ein allgemeines Guthaben in der Konsole aufgeladen werden.

📘 Vollständige Dokumentation: Fish Model API →

Felder des Request-Bodys

Feld	Typ	Erforderlich	Beschreibung
`title`	string	Ja	Name der Stimme, zur Identifizierung in der Konsolenliste.
`voices`	string	Ja	HTTP(S)-URL des Audiobeispiels (ein einzelner String, kein Array). Diese Schnittstelle unterstützt kein multipart-/Binär-Upload; legen Sie das Audio bitte zunächst in einem beliebigen öffentlich zugänglichen Objektspeicher ab.
`description`	string	Nein	Beschreibung der Stimme.
`cover_image`	string	Nein	HTTP(S)-URL des Titelbilds.
`tags`	string[]	Nein	Such-Tags für die öffentliche Bibliothek, beispielsweise `["male","narration","zh"]`.
`texts`	string[]	Nein	Referenztexte, die den Beispielen entsprechen (zur Korrektur der Aussprache).
`enhance_audio_quality`	boolean	Nein	Ob vor dem Training eine Verbesserung der Audioqualität für das Beispiel durchgeführt werden soll.
`generate_sample`	boolean	Nein	Ob nach Abschluss des Trainings automatisch ein Beispielaudio erstellt werden soll.

Weitere Informationen zum Stimmenmodell finden Sie in der offiziellen Fish-Dokumentation.

Die erstellten Stimmen werden langfristig öffentlich gespeichert und können von anderen Benutzern gesucht und verwendet werden. visibility muss nicht übergeben werden; selbst wenn private oder unlist übergeben wird, ändert die aktuelle Schnittstelle den öffentlichen Bereich dadurch nicht.

Beispiel: Eine öffentliche geklonte Stimme erstellen

curl -X POST 'https://api.acedata.cloud/fish/model' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "title": "我的克隆音色",
    "description": "用一段播客录音克隆的中文音色",
    "voices": "https://example.com/sample-voice.mp3",
    "cover_image": "https://cdn.acedata.cloud/e724d7f13d.png"
  }'

Hinweis: voices muss ein String (eine einzelne Audio-URL) und kein Array sein. Bei Übergabe als ["..."] wird dies von der Upstream-Seite abgelehnt. Es wird empfohlen, einen öffentlich herunterladbaren Direktlink mit der Endung .mp3 oder .wav zu verwenden.

Die erfolgreiche Antwort gibt direkt das ModelEntity-Objekt der Fish-Plattform zurück (das folgende Beispiel ist die von uns getestete minimal funktionsfähige Stimme; einige lange Felder wurden zur besseren Lesbarkeit entfernt):

{
  "_id": "e5c6db52c3ed417f9cb2e5a33fb04667",
  "type": "tts",
  "title": "copilot-smoke-test",
  "description": "smoke test from api.acedata.cloud",
  "cover_image": "coverimage/e5c6db52c3ed417f9cb2e5a33fb04667",
  "train_mode": "fast",
  "state": "trained",
  "tags": [],
  "samples": [
    {
      "title": "Default Sample",
      "text": "师父，[语气坚定]我真的受够了这山上的清冷日子！...",
      "task_id": "6a1bf398dfae49dca0e23159214342a0",
      "audio": "https://platform.r2.fish.audio/task/6a1bf398dfae49dca0e23159214342a0.mp3"
    }
  ],
  "created_at": "2026-05-10T03:52:55.601000Z",
  "updated_at": "2026-05-10T03:52:55.601000Z",
  "languages": ["zh"],
  "visibility": "public",
  "default_text": "师父，[语气坚定]我真的受够了这山上的清冷日子！...",
  "like_count": 0,
  "mark_count": 0,
  "shared_count": 0,
  "task_count": 0,
  "author": {
    "_id": "780f2b2f862d41a08c0507bbbda77eb6",
    "nickname": "Penny Conrad",
    "avatar": "avatars/780f2b2f862d41a08c0507bbbda77eb6.jpg"
  }
}

_id kann anschließend als Wert des Feldes reference_id in der Fish TTS API verwendet werden, um mit dieser geklonten Stimme Sprachsynthese durchzuführen: Erfolgreich erstellte Stimmen werden öffentlich gespeichert und können über self=true der Fish Model Query API abgefragt werden, um die vom aktuellen aufrufenden Benutzer über diese Plattform erstellten Stimmen abzufragen. self=true filtert nur die Liste und beschränkt nicht die Nutzung dieser Stimme durch andere Benutzer.

curl -X POST 'https://api.acedata.cloud/fish/tts' \
  -H 'authorization: Bearer {token}' \
  -H 'content-type: application/json' \
  -d '{
    "text": "你好，这是一段使用我刚创建的克隆音色合成的语音。",
    "reference_id": "e5c6db52c3ed417f9cb2e5a33fb04667",
    "format": "mp3"
  }'

Anforderungen an Beispiele

Erfahrungswerte (identisch mit der Upstream-Seite, siehe offizielle Fish-Dokumentation):

Eine Dauer von mindestens 30 Sekunden wird empfohlen; zwischen 5 Minuten und darunter ist der Effekt am besten; über 10 Minuten ist der Grenznutzen gering.
Abtastrate von 16 kHz oder höher; Mono oder Stereo sind beide möglich.
Der Inhalt sollte möglichst sauber sein: keine Hintergrundmusik, kein Echo und keine deutlichen Umgebungsgeräusche; derselbe Sprecher.
Als Format werden mp3 / wav empfohlen.

Falls Sie sich bei der Qualität des Beispiels nicht sicher sind, können Sie gleichzeitig enhance_audio_quality: true übergeben, damit die Upstream-Seite zunächst eine Verbesserung der Audioqualität durchführt.

Abrechnungshinweise

Das Erstellen eines Stimmklonmodells (POST /fish/model) ist kostenlos und es fallen keine Gebühren an; auch die Abfrageschnittstellen für Stimmen (Fish Model Query, Fish Model Get) sind kostenlos. Kosten entstehen nur bei der anschließenden Nutzung von Fish TTS zur Sprachsynthese nach Verbrauch.

Fehlerbehandlung

400 token_mismatched: Anforderungsparameter fehlen oder sind ungültig (am häufigsten ist voices keine URL oder wurde als Array übergeben).
400: Wenn die Referenz-Audiodatei nicht heruntergeladen werden kann, zu kurz ist oder das Format nicht erkannt werden kann, überprüfen Sie bitte die Audio-URL und das Dateiformat.
401 invalid_token: Das Authentifizierungs-Token existiert nicht oder ist ungültig.
429 too_many_requests: Das Ratenlimit des Kontos wurde ausgelöst.
500 api_error: Interner Serverfehler.

Beispiel für eine Fehlerantwort:

{
  "success": false,
  "error": {
    "code": "api_error",
    "message": "voices is required and must be an HTTP(S) URL pointing to an audio file"
  },
  "trace_id": "2cf86e86-22a4-46e1-ac2f-032c0f2a4e89"
}

Fazit

Für den Aufruf dieser Schnittstelle müssen Sie nur eine öffentlich zugängliche Beispiel-Audio-URL vorbereiten und sie in das Feld voices einfügen, um die _id zu erhalten. Anschließend übergeben Sie sie an reference_id von /fish/tts, womit der vollständige Ablauf „Klonen → Synthese“ abgeschlossen ist. Ein häufiger Fehlerpunkt ist, dass voices ein String sein muss und kein Array sein darf.

Stimme über MCP erstellen und wiederverwenden

Rufen Sie in Fish MCP fish_create_model(title="Meine Stimme", voices="https://example.com/authorized-voice.wav") auf. voices ist eine einzelne HTTP(S)-Audio-URL; außerdem können description, cover_image, tags, texts, enhance_audio_quality und generate_sample übergeben werden. Dieses Tool speichert öffentliche Stimmen langfristig, und andere Benutzer können sie möglicherweise entdecken und verwenden; verwenden Sie bitte nur Audiomaterial, dessen Verarbeitung und Veröffentlichung genehmigt ist. Das Tool verfügt über keine private oder nicht öffentliche Option. Die bei erfolgreicher Erstellung zurückgegebene _id wird für reference_id von fish_generate_audio verwendet, und mit fish_list_models(self=true) können Sie Ihre gespeicherten Stimmen abfragen. Wenn Sie eine Referenzstimme nur einmalig benötigen, verwenden Sie references von fish_generate_audio, ohne eine langfristige Stimme zu erstellen.

Erste Schritte

KI Chat

KI Bild

KI Video

KI Audio

Web & Daten

CAPTCHA

Identität

Coding

Weitere Anleitungen

Hinweise zur Fish Model Create API-Integration

Antragsprozess

Felder des Request-Bodys

Beispiel: Eine öffentliche geklonte Stimme erstellen

Anforderungen an Beispiele

Abrechnungshinweise

Fehlerbehandlung

Fazit

Stimme über MCP erstellen und wiederverwenden

​Antragsprozess

​Felder des Request-Bodys

​Beispiel: Eine öffentliche geklonte Stimme erstellen

​Anforderungen an Beispiele

​Abrechnungshinweise

​Fehlerbehandlung

​Fazit

​Stimme über MCP erstellen und wiederverwenden

Antragsprozess

Felder des Request-Bodys

Beispiel: Eine öffentliche geklonte Stimme erstellen

Anforderungen an Beispiele

Abrechnungshinweise

Fehlerbehandlung

Fazit

Stimme über MCP erstellen und wiederverwenden