# Fish Audio S1

Éditeur : Fish Audio (États-Unis). Poids fermés.

En bref : 29e sur 31 en synthèse vocale en français, dans un peloton de 3 modèles que la marge d'erreur ne permet pas de séparer.

Page : https://quelleia.com/voix/modeles/fish-audio-s1/. Classements de la voix de QUELLE IA, à part du score des modèles de langage, relevé du 19 octobre 2026.

## Présentation

Modèle de synthèse vocale de Fish Audio de 4 milliards de paramètres, entraîné sur plus de 2 millions d'heures d'audio avec un apprentissage par renforcement sur préférences humaines. Il se pilote par des marqueurs d'émotion et de ton entre parenthèses et sera retiré le 31 décembre 2026 au profit de S2.1 Pro. (lu sur https://fish.audio/blog/introducing-s1/, https://docs.fish.audio/developer-guide/getting-started/changelog.md)

- Sortie : 3 juin 2025 (lu sur la page de l'éditeur, https://openaudio.com/blogs/s1)
- Taille : 4 milliards de paramètres (lu sur la page de l'éditeur, https://docs.fish.audio/developer-guide/getting-started/changelog.md)

## Langues

- Annoncées par l'éditeur : 13 langues, dont le français (en, zh, ja, de, fr, es, ko, ar, ru, nl, it, pl, pt).
- Évaluées par nos sources : français.
- Le français : annoncé par l'éditeur ; évalué, 29e sur 31 en synthèse vocale en français (990).
- Source des langues annoncées : https://docs.fish.audio/developer-guide/models-pricing/models-overview.md

## Ses classements

- Synthèse vocale en français : 29e sur 31, Elo 990 (intervalle à 95 % : 968 à 1 012), 1 139 votes ; prix : 15 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/fishaudio (relevé du 19 octobre 2026).

## Modèles proches

- Synthèse vocale en français : [OpenAudio S1](https://quelleia.com/voix/modeles/openaudio-s1/), 28e (1 000), juste devant
- Synthèse vocale en français : [Magpie TTS Zeroshot](https://quelleia.com/voix/modeles/nvidia-magpie-tts-zeroshot/), 30e (964), juste derrière

## Comment lire ces chiffres

- Synthèse vocale : Dans une arène, des votants écoutent deux voix à l'aveugle et choisissent la meilleure ; l'Elo en tire un classement, plus il est haut, mieux c'est. Le repère de prononciation compte les mots qu'un modèle de transcription comprend mal en relisant la voix : plus il est bas, mieux c'est.

## Noms dans les sources

- Artificial Analysis : Fish Audio S1

## Liens

- Page de l'éditeur : https://fish.audio/blog/introducing-s1/
- L'essayer : https://fish.audio/app/text-to-speech/

## Pages lues

- https://openaudio.com/blogs/s1 (« 2025-06-03 · Research Introducing S1 »), 17/10/2026
- https://fish.audio/blog/introducing-s1/ (« We launch Fish Audio S1, a frontier text-to-speech audio foundation model. Fish Audio S1 is trained on over 2 million hours of audio with online RLHF (GRPO). »), 17/10/2026
- https://docs.fish.audio/developer-guide/getting-started/changelog.md (« S1 is deprecated and will be retired on December 31, 2026. »), 17/10/2026
- https://docs.fish.audio/developer-guide/getting-started/changelog.md (« S1 (4B params): 0.008 WER, 0.004 CER - Available on Fish Audio Playground »), 17/10/2026
- https://docs.fish.audio/developer-guide/models-pricing/models-overview.md (« S1 supports text-to-speech generation in 13 languages with full emotional expression capabilities. ``` English, Chinese, Japanese, German, French, Spanish, Korean, Arabic, Russian, Dutch, Italian, Polish, Portuguese »), 17/10/2026