# Fish Audio S2 Pro

Éditeur : Fish Audio (États-Unis). Poids ouverts. Licence : Fish Audio Research License.

En bref : 26e sur 31 en synthèse vocale en français, dans un peloton de 4 modèles que la marge d'erreur ne permet pas de séparer ; 2e sur 16 en prononciation du français ; 35e sur 96 en synthèse vocale en anglais (Artificial Analysis), dans un peloton de 7 modèles que la marge d'erreur ne permet pas de séparer.

Page : https://quelleia.com/voix/modeles/fish-audio-s2-pro/. 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 à architecture double autorégressive, piloté par des indications libres en langage naturel placées entre crochets au niveau du mot. Il gère le dialogue à plusieurs locuteurs et le streaming, et ses poids sont publiés pour la recherche et l'usage non commercial. (lu sur https://huggingface.co/fishaudio/s2-pro/raw/main/README.md)

- Sortie : 9 mars 2026 (lu sur la page de l'éditeur, https://fish.audio/blog/fish-audio-open-sources-s2/)
- Taille : 4 milliards de paramètres pour l'AR lent, plus 400 millions pour l'AR rapide (lu sur la page de l'éditeur, https://huggingface.co/fishaudio/s2-pro/raw/main/README.md)

## Langues

- Annoncées par l'éditeur : plus de 80 langues, dont le français.
- Prises en charge selon Open TTS Leaderboard : 83 langues.
- Évaluées par nos sources : français et anglais.
- Le français : annoncé par l'éditeur ; évalué, 26e sur 31 en synthèse vocale en français (1 049), 2e sur 16 en prononciation du français (5,35 %).
- Source des langues annoncées : https://huggingface.co/fishaudio/s2-pro/raw/main/README.md

## Ses classements

- Synthèse vocale en français : 26e sur 31, Elo 1 049 (intervalle à 95 % : 1 028 à 1 070), 1 158 votes ; prix : 15 $ par million de caractères. Source : Artificial Analysis, https://artificialanalysis.ai/text-to-speech/model-families/fishaudio (relevé du 19 octobre 2026).
- Prononciation du français : 2e sur 16, taux d'erreur par mot 5,35 % ; vitesse : RTFx 0 : produit 0 secondes d'audio par seconde de calcul ; clonage de voix : oui. Source : Open TTS Leaderboard, Hugging Face, https://huggingface.co/spaces/hf-audio/open_tts_leaderboard (relevé du 19 octobre 2026, version du 9 octobre 2026).
- Synthèse vocale en anglais, Artificial Analysis : 35e sur 96, Elo 1 114 (intervalle à 95 % : 1 102 à 1 126), 2 621 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 : [Higgs TTS 3](https://quelleia.com/voix/modeles/boson-ai-higgs-tts-3-4b/), 25e (1 050), juste devant
- Synthèse vocale en français : [XTTS v2](https://quelleia.com/voix/modeles/coqui-xtts-v2/), 27e (1 013), juste derrière
- Prononciation du français : [OmniVoice](https://quelleia.com/voix/modeles/k2-fsa-omnivoice/), 1er (4,72 %), juste devant
- Prononciation du français : [Kokoro 82M v1.0](https://quelleia.com/voix/modeles/kokoro-82m-v1-0/), 3e (5,41 %), juste derrière
- Synthèse vocale en anglais, Artificial Analysis : [Simba 3.0](https://quelleia.com/voix/modeles/speechifyai-simba-3-0/), 33e (1 122), juste devant
- Synthèse vocale en anglais, Artificial Analysis : [MiniMax Speech 02 HD](https://quelleia.com/voix/modeles/minimax-speech-02-hd/), 36e (1 111), 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 S2 Pro
- Hugging Face (hf-audio) : fishaudio/s2-pro

## Liens

- Page de l'éditeur : https://huggingface.co/fishaudio/s2-pro
- L'essayer : https://fish.audio

## Pages lues

- https://fish.audio/blog/fish-audio-open-sources-s2/ (« Mar 9, 2026 · Research Fish Audio Open-Sources S2: Fine-Grained Control Meets Production Streaming »), 17/10/2026
- https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« Trained on over 10M+ hours of audio data across 80+ languages, the system combines reinforcement learning alignment with a dual-autoregressive architecture. »), 17/10/2026
- https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« Korean (ko), Spanish (es), Portuguese (pt), Arabic (ar), Russian (ru), French (fr), German (de) »), 17/10/2026
- https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« **Slow AR** (4B parameters): Operates along the time axis and predicts the primary semantic codebook. »), 17/10/2026
- https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« **Fast AR** (400M parameters): Generates the remaining 9 residual codebooks at each time step »), 17/10/2026
- https://huggingface.co/fishaudio/s2-pro/raw/main/README.md (« This model is licensed under the [Fish Audio Research License](LICENSE.md). Research and non-commercial use is permitted free of charge. »), 17/10/2026