Paxa Labs
登录
全部对比

Paxa Labs 与 Fish Audio：中文、英语和泰语语音对比

一个提供声音克隆和公开音色库的语音平台，与一个面向中文、英语和泰语的语音 API，在音色、语气提示和计费方式上的比较。

为中文、英语或泰语产品挑选语音 API 时，团队通常会权衡两件事：音色从哪里来，文本量大时要花多少钱。Fish Audio 提供声音克隆，以及由用户发布的音色模型组成的公开音色库（Voice Library），其推荐模型列出了 83 种语言。Paxa TTS Flash v2 用音色库中的 50 个音色，以及您用文字描述设计的音色，说中文、英语和泰语。如果您需要克隆音色或几十种语言，对方的平台更合适。如果您的产品说的是这三种语言，请用您自己的脚本在两边各生成一次，再按您所用语言的文本比较费率。

来源：Fish Audio models（在新标签页中打开）Fish Audio voices（在新标签页中打开）

价格与说明最近核实于 2026年10月

免费开始查看完整价格

差异

差异
维度Paxa LabsFish Audio（在新标签页中打开）
语言Paxa TTS Flash v2 说中文、英语和泰语，全部 50 个音色都能说这三种语言。其推荐的生产模型列出了 83 种语言，其 S2 页面也把英语、中文和泰语列在 S2 支持的语言之中。
音色从哪里来音色库中的 50 个音色，每个都有公开的 ID，以及您在控制台用文字描述设计的音色。另有 4 个音色说伊森、泰北或泰南口音，由 Paxa TTS Flash 提供，模型 ID 为 paxa-tts-flash-v1。公开音色库收录用户发布的音色模型，任何人都能用 ID 调用已发布的模型。其 API 还能根据文本提示词设计新音色。
声音克隆不提供。可以改在控制台用文字描述设计音色，无需录音，再在 Paxa TTS Flash v2 上用音色 ID 调用。可用每段至少 10 秒的音频克隆声音，保存为可复用的音色模型，或在每次请求时附带参考音频。
文本中的语气提示Paxa TTS Flash v2 支持在方括号中用自然语言写提示，如 [whispering]，也支持 [laughs] 这样的声音，以及用 <emph> 或 <whisper> 标记的片段。API 在扣除积分前检查每个标签。方括号中用自然语言写的提示，如 [whisper] 或 [laugh]，可以放在文本的任意位置。
实时输出分块传输的 HTTP 流式输出，以及实时 WebSocket：文本一到就能发送，音频一就绪就返回。一个 WebSocket 接口，先缓存传入的文本，等上下文足够再生成音频，并可用 flush 事件在指定位置强制生成。
迁移现有集成兼容 OpenAI 的接口可以接入现有的 OpenAI SDK，换一个 base URL 即可。客户端代码保持不变。对方提供自有的 /v1/tts 接口，配有 Python 和 JavaScript SDK，集成代码要按它们来写。
文本如何计费按字符计费，中文、英语和泰语费率相同。积分在推理前扣除，生成失败时自动退还。S2 系列模型按每百万 UTF-8 字节的输入文本计费，一个汉字或泰文字符占三个字节。Drama 3 则按每百万字符标价。

来源：Fish Audio models（在新标签页中打开）Fish Audio S2（在新标签页中打开）Fish Audio voices（在新标签页中打开）Fish Audio API reference（在新标签页中打开）Fish Audio voice cloning（在新标签页中打开）Fish Audio realtime streaming（在新标签页中打开）Fish Audio pricing（在新标签页中打开）Fish Audio Drama 3（在新标签页中打开）

Paxa TTS Flash v2，每百万字符
$10
Fish Audio
$45-50
对方价格的倍数
4.5-5×

对方的价格区间从按 UTF-8 字节计费的 S2.1-Pro 费率，到按字符计费的 Drama 3 标价，不含促销价。所有价格均按每百万字符的中文文本计，字符以 UTF-16 码元计数，与我们的计价方式相同；按分钟、按 token、按字节或按汉字计费的价格均已换算为这一单位。

按您的用量计算的费用

按您的用量计算的费用
每月语音量Paxa LabsFish Audio差额
100,000约 6 小时Paxa Labs$1Fish Audio$4.50-5差额便宜 $3.50
1,000,000约 64 小时Paxa Labs$10Fish Audio$45-50差额便宜 $35
5,000,000约 324 小时Paxa Labs$50Fish Audio$225-250差额便宜 $175
20,000,000约 1,297 小时Paxa Labs$200Fish Audio$900-1,000差额便宜 $700

每个数字都是双方公布的价格乘以旁边的用量。如果对方公布的是价格区间，就按最低价比较，并显示该区间。

什么情况下 Fish Audio 更合适

如果您的产品需要用自己的录音克隆声音，Fish Audio 既能保存为音色模型，也能在每次请求时附带参考音频，我们则不提供克隆。其音色库还收录其他用户发布的音色，我们的音色库无意覆盖这样的范围。对方推荐的模型列出了 83 种语言，我们提供三种。如果您的产品说中文、英语或泰语，需要带公开 ID 的音色，来自音色库或用文字描述设计，并按字符计费，请选择我们。

常见问题

Fish Audio 支持泰语吗？

其 S2 页面把泰语列在 S2 Pro 支持的其他语言之中。他们的泰语音色听起来如何，要看他们的音色库，也要靠您自己的耳朵。

提供声音克隆吗？

不提供。音色库中的音色以稳定的 ID 公开发布，其他音色则可以在控制台用文字描述来设计。如果声音克隆是硬性需求，Fish Audio 更贴合。

按字节计费对中文和泰文有什么影响？

UTF-8 用三个字节存储一个汉字或泰文字符，英文字母只占一个字节。因此按每百万字节计费时，同样的费用能买到的中文字符约为英文字符的三分之一。本页的数字已把所有费率换算为每百万中文字符的价格。

是否发布质量对比？

没有。我们不公开自己测得的质量、准确率或延迟数据，无论针对我们的模型还是其他任何模型。请用同一段脚本在两边各生成一次，听一听。

其他对比

从免费积分开始

使用 Google、GitHub 或 Hugging Face 登录，即可用 100 一次性免费积分处理您自己的文本。

免费开始