Fish Audio 是什麼？完整教學：價格方案、中文聲音複製，和我怎麼用它幫影片配音（2026 更新）

Fish Audio 是可以複製自己聲音的 AI 配音工具，支援 83 種語言與中文。這篇整理 2026 年最新價格方案（Free、Plus、Pro 與 API）、S2.1 Pro 和 Drama 3 怎麼選、聲音複製教學、用 Claude Code 透過 MCP 呼叫 Fish Audio 的工作流，以及…

作者：郭政佑 Kevin · ·

揭露：本文含 Fish Audio 聯盟連結，透過連結註冊或訂閱，我可能獲得分潤，你付的價格不變。2026 年 11 月我也和 Fish Audio 有過一次 IG Reel 付費合作。文中的使用心得都來自我自己付費訂閱、實際配音的經驗。

重點摘要

Fish Audio 是一個 AI 語音平台，可以把文字轉成語音（TTS），也能用一段錄音複製你自己的聲音，再用這個聲音配出整支影片的旁白。官方目前的主力模型 S2.1 Pro 支援 83 種語言，可以用方括號標籤控制語氣，例如 [excited]、[calm]。

  1. 價格：免費方案每月 8,000 點；Plus 月繳 15 美元（年繳換算每月 11 美元）；Pro 月繳 100 美元（年繳換算每月 75 美元）。
  2. API：S2.1 Pro 每 100 萬 UTF-8 位元組 15 美元；免費版模型 s2.1-pro-free 官方公告開放到 2026-11-30。
  3. 適合誰：要固定產出影片、但不想每支都自己錄音的創作者；想用自己的聲音做中、英、日多語版本的人。
  4. 我的用法：2026 年 9 月開始訂 Plus，用複製的自己的聲音配 YouTube 長片、短影音和設計週報，搭配 Claude Code 透過官方 MCP 直接呼叫 Fish Audio。
  5. 要注意：沒有繁體中文介面；中文配音偶爾會念錯字，要逐句聽過。

想直接試用：Fish Audio 官網（我的專屬連結）

Fish Audio 是什麼？

Fish Audio 是 Hanabi AI Inc. 開發的 AI 語音生成平台，提供文字轉語音、聲音複製、語音轉文字，以及給開發者用的 API。你可以從社群聲音庫挑一個現成聲音，也可以上傳自己的錄音，複製出一個「聽起來像你」的聲音，之後只要輸入文字就能生成旁白。

幾個官方公開的數字（廠商自行揭露，非第三方稽核）：

  1. 2026 年 7 月宣布完成 5,200 萬美元種子輪融資，由 Coreline Ventures 與 Capital Today 領投。
  2. 平台上有超過 800 萬名創作者、開發者與企業使用者，社群聲音庫超過 200 萬個聲音模型。
  3. 成立第一年推出 5 個語音模型，團隊從 3 人成長到 22 人。

它有網頁版、iOS 與 Android App，介面目前有英文、簡體中文、日文等版本，沒有繁體中文。

我為什麼開始用 Fish Audio

錄音一直是我做影片最卡的一關。

我平常做設計教學影片，腳本寫好之後，錄音常常要錄好幾次：卡詞、贅字一堆，好不容易錄完，回頭剪的時候才發現有一個字講錯。文章打錯一個字，直接改掉就好；聲音錯一個字，就得整句重錄，還要重新對一次環境音和音量。

2026 年 9 月我開始訂 Fish Audio Plus，先用自己的錄音複製了一個聲音，之後 YouTube 長片、短影音、設計週報的旁白，大部分都改成用這個聲音生成。現在腳本要改一句，我只要改文字、重新生成那一句，不用再整段重錄。

複製聲音需要的錄音長度，照官方建議準備就好：即時複製最少 10 秒；想要咬字和語調更像本人，可以用專業複製，準備 10 到 180 分鐘的乾淨錄音。

有一段時間，我把剪輯、Figma 做圖、配音串成同一條流程，9/29 到 10/15 這三週一共發了 23 支影片。配音不再卡住，是更新變勤的主要原因之一。

Fish Audio 有哪些功能

  1. 文字轉語音（TTS）：輸入文字、選聲音、選模型，就能生成語音，可下載音檔。
  2. 即時聲音複製（Instant Voice Clone）：官方寫最少 10 秒的錄音就能複製，大約 1 分鐘完成。
  3. 專業聲音複製（Professional Voice Clone）：需要 10 到 180 分鐘的乾淨錄音，並通過本人即時驗證，訓練約 1 到 2 小時，咬字和語調會更接近本人。Plus 方案有 1 個名額、Pro 有 5 個，免費方案沒有。
  4. 情緒與語氣標籤：S2 系列模型用方括號寫指示，像 [excited]、[calm]、[sad]，也能寫成一般描述，例如 [whispers sweetly]。標籤不會被念出來。
  5. Voice Design：用一段文字描述，生成一個原本不存在的新聲音。
  6. Story Studio：做有聲書、Podcast、多角色對話，可以把不同段落分給不同聲音。
  7. 語音轉文字（STT）：把錄音轉成逐字稿，API 每小時音訊 0.36 美元。
  8. API 與官方 MCP：開發者可以直接打 API；用 Claude、Cursor 這類 AI 工具的人可以接官方 MCP，讓 AI 直接幫你生成語音。

Fish Audio 價格方案（2026 年 11 月整理）

以下是 2026-11-09 在官網查到的價格，未稅、以美元計，之後可能調整，訂閱前請以官網方案頁為準。

網頁版訂閱方案

方案 月繳 年繳（換算每月） 每月點數 可生成時間 單次字數上限 聲音名額
Free 0 0 8,000 約 7 分鐘 500 公開聲音 3 個
Plus 15 美元 11 美元（一年 132 美元） 250,000 約 200 分鐘 15,000 10 個，專業複製 1 個
Pro 100 美元 75 美元（一年 900 美元） 2,000,000 約 1,620 分鐘 30,000 不限，專業複製 5 個，3 個團隊席位
  1. 方案頁的功能列表和 FAQ 對免費方案能否商用寫法不一致，FAQ 寫只能用在個人、非商業用途。保守起見，要放在有業配、有營利的影片裡，建議至少訂 Plus。
  2. 我自己用的是 Plus 月繳，實際刷卡金額依匯率在新台幣 497 到 511 元之間。

API 價格（依用量計費）

模型 每 100 萬 UTF-8 位元組 說明
s2.1-pro 15 美元 官方建議的正式環境模型
s2.1-pro-free 0 美元 同一個模型的免費版，官方公告開放到 2026-11-30，沒有 SLA、不保證延遲，適合測試和原型
drama-3 原價 50 美元，2026-11-30 前優惠 10 美元 2026-10-13 推出，情緒表現最強的模型
s2-pro 15 美元 上一代模型
s1 15 美元 已停止推薦，2026-12-31 退役

API 用「位元組」計價，英文字母和數字一個字 1 位元組，大部分中文字是 3 位元組。換算下來，100 萬位元組大約是 33 萬個中文字，用 s2.1-pro 約 15 美元。

透過 MCP 呼叫時，扣的是網頁版帳號的點數，規則是 1 位元組扣 1 點，中文字一樣是 3 點。

模型怎麼選

你要做的事 建議模型 原因
一般影片旁白、教學 S2.1 Pro 官方主力模型，83 種語言，品質和速度最平衡
有聲書、廣告、需要哭腔或笑聲的戲劇段落 Drama 3 情緒幅度最大，可以標指定的字加強語氣
先試做、寫程式測試 s2.1-pro-free 免費，但沒有服務保證
還在用 S1 的舊專案 盡快換成 S2.1 Pro S1 在 2026-12-31 退役，之後會自動改用 S2.1 Pro 計費

如果你之前用 S1 的圓括號情緒標籤，例如 (angry)，換到 S2 系列要改成方括號 [angry]，S2 不認圓括號。

教學：用 Fish Audio 複製自己的聲音，配出第一段旁白

以下用網頁版說明。

  1. 註冊帳號：到 Fish Audio 官網 註冊帳號，註冊方式以官網註冊頁提供的選項為準。
  2. 準備錄音：用手機或麥克風在安靜的房間錄一段自己說話的聲音，官方寫最少 10 秒。避開冷氣聲、回音和背景音樂，說話的語氣就用你平常拍影片的語氣，複製出來的聲音會比較像你上片時的樣子。
  3. 建立聲音：登入後在「Voices」分類找到「Voice Cloning」，上傳錄音、命名後送出，大約 1 分鐘就會完成。建好的聲音會放在「My Voices」。介面名稱以官網當下畫面為準。
  4. 輸入腳本生成：到「Text-to-Speech」頁面，選剛剛建好的聲音、模型選 S2.1 Pro，貼上腳本後生成。第一次建議先貼兩三句試聽。
  5. 加語氣標籤：想讓某句話更有精神，就在句首加 [excited]；想平穩一點加 [calm]。標籤會影響後面的內容，放的位置很重要。
  6. 下載音檔：聽過沒問題再下載，丟進你習慣的剪輯軟體。之前生成過的音檔，可以到「Generation History」找回來重新下載。

只複製自己的聲音，或已經取得對方同意的聲音。拿別人的聲音去生成內容，可能涉及肖像權、人格權與詐騙爭議。發布時也建議在說明欄標示「旁白使用 AI 語音」。

我的實際工作流：Claude Code 直接呼叫 Fish Audio

我現在大部分影片，是讓 Claude Code 幫我把剪輯、做圖、配音串在一起。Fish Audio 有官方 MCP，接上之後，我可以直接跟 Claude 說「用我的 Kevin 聲音，把第 7 段重新配音」，它就會呼叫 Fish Audio 生成語音，不用自己寫程式。如果你還不熟 Claude Code、MCP 這類 AI Agent 工具，可以先看什麼是 AI Agent？。

安裝方式

在 Claude Code 輸入下面這行，再輸入 /mcp 登入 Fish Audio 帳號：

claude mcp add --transport http fish-audio https://api.fish.audio/mcp

用 Claude 網頁版或桌面版的人，可以到「設定 → 連接器 → 新增自訂連接器」，貼上 https://api.fish.audio/mcp。Cursor 則是在 MCP 設定檔加入同一個網址。登入時要選一個團隊（workspace），之後的生成都會用那個團隊的點數。

我做一支影片的順序

  1. 確認題材和腳本：先把這支影片要講什麼、每一段的旁白寫成文字稿。
  2. 交給 Claude 製作：剪輯、用 Figma 做圖、排字幕。
  3. 配音：Claude 透過 MCP 用我的聲音逐段生成旁白，再混進影片。
  4. 逐句聽過：聽到念錯或語氣不對的句子，改文字後只重新生成那一句。

以前最花時間的是第 3 步，現在改成第 4 步：檢查和修正。要改一個詞，改腳本、重新生成就好，不用整段重錄。

同一個聲音做多語版本

我的 YouTube 本來就有中、英、日三種字幕。用複製的聲音，同一段內容可以直接生成英文和日文旁白，聽起來還是我的聲音。日文的部分我後來發現，漢字送進去容易念錯，改成送假名比較穩定。

中文配音的眉角：我踩過的坑

這一段是我自己配了將近兩個月中文旁白之後整理的。以下是我用自己的複製聲音實際遇到的狀況，換成別的聲音或模型，結果可能不同，但檢查方法一樣適用。

  1. 個別繁體字會念錯：我遇過「台灣」被念成像「台間」、「網站」「網路」也念歪。我的解法是只把那幾個字改成簡體送進 Fish Audio（例如「台湾」「网站」），或改用拼音標籤，例如 [wang3]；字幕維持繁體。
  2. 中英夾雜時，英文單字容易被套上中文聲調：像「Claude Design」裡的 design，單獨念是對的，接在中文後面就跑掉。交付前我會把每個英文詞單獨抓出來聽，念錯的就拆句重配。
  3. 品牌名可能被念成別的字：Claude 曾被念得像 cloud。最後我在送 TTS 的文字裡改寫成中文音譯「克勞德」，字幕照樣寫 Claude。
  4. 多音字和口語念法要直接寫出來：例如我希望「咖哩」念「嘎哩」，送進去的文字就直接寫「嘎哩」，字幕再寫回「咖哩」。
  5. 發音標籤不要標太多：我曾經把一個地名的每個字都標上拼音，結果反而念成另一個地名。只標真的念錯的那一個字。
  6. 語速和活力可以調：我的複製聲音預設聽起來偏平，我會把音量拉大、語速調快一點，再搭配 [excited] 這類標籤，聽起來比較有精神。

我的原則是：送給 Fish Audio 的文字和觀眾看到的字幕，分成兩份管理。TTS 用的文字可以為了發音改字，字幕保持正確的繁體寫法。

Fish Audio 的優點和缺點

優點

  1. 改一句只要重配一句：這是我覺得最省時間的地方。
  2. 聲音複製門檻低：最少 10 秒錄音就能做即時複製；要更像本人，再升級專業複製。
  3. 語氣可以控制：方括號標籤直接寫在句子前面，不用另外學參數。
  4. 多語言：S2.1 Pro 支援 83 種語言，同一個聲音可以做中、英、日版本。
  5. 能接 AI 工具：有官方 MCP，Claude、Cursor 可以直接呼叫；也有 API 和 Python SDK。
  6. 價格：Plus 每月 15 美元有 25 萬點，API 也有免費版可以先測。

缺點

  1. 沒有繁體中文介面：要看英文或簡體中文。
  2. 中文念錯字要自己抓：尤其是繁體字、中英夾雜、品牌名，不能生成完就直接上片。
  3. 免費方案不能商用：官方 FAQ 寫限個人、非商業用途。
  4. 免費 API 沒有服務保證：s2.1-pro-free 沒有 SLA，也有使用期限，正式上線的服務要改用付費模型。
  5. 官方數據多為自家測試：延遲、盲測勝率這類數字來自 Fish Audio 自己，參考就好，實際效果請用你的腳本試。

Fish Audio 和 ElevenLabs 怎麼選？

ElevenLabs 是很多人第一個想到的 AI 配音工具，兩者價格結構不同，以下是 2026-11-09 兩家官網的公開價格：

項目 Fish Audio ElevenLabs
免費方案 每月 8,000 點，官方 FAQ 寫限非商業 每月 1 萬點，不含聲音複製與商用授權
入門付費方案 Plus 15 美元／月，25 萬點 Starter 6 美元／月，3 萬點
中階方案 Pro 100 美元／月，200 萬點 Creator 22 美元／月，12.1 萬點；Pro 99 美元／月，60 萬點
即時聲音複製 免費方案就有 Starter 以上
開發者 API、官方 MCP、免費版模型 s2.1-pro-free API

兩家的「點數」計算方式不同，不能直接拿點數比大小。我的建議是：每個月固定做好幾支影片、在意每分鐘成本的人，可以先試 Fish Audio；只是偶爾配一小段，ElevenLabs 的 Starter 起步價比較低。兩家都有免費方案，用同一段中文腳本各生成一次，聽聽看哪個比較像你要的聲音，是最準的判斷方式。

我自己的影片目前都用 Fish Audio 配音。

適合誰用 Fish Audio

  1. 想固定更新 YouTube、Reels、Shorts，但每次錄音都要花很多時間的創作者。
  2. 做教學、解說類影片，腳本常常需要修改的人。
  3. 想用自己的聲音做多語版本的人。
  4. 已經在用 Claude Code、Cursor，想把配音接進自動化流程的人。
  5. 做有聲書、Podcast、多角色對話的人（可以用 Story Studio 和 Drama 3）。

比較不適合：只想偶爾配幾句、又完全不想聽英文或簡體介面的人；或需要百分之百正確中文發音、沒有時間逐句檢查的情境。

常見問題

Fish Audio 是免費的嗎？

有免費方案，每月 8,000 點，大約可以生成 7 分鐘語音，單次最多 500 字，但官方 FAQ 寫免費內容只能用在個人、非商業用途。開發者另外可以用免費模型 s2.1-pro-free，官方公告開放到 2026-11-30。

Fish Audio 支援中文嗎？有台灣口音嗎？

支援。S2.1 Pro 支援 83 種語言，中文可以正常生成。口音取決於你選的聲音：用自己的錄音複製，念出來就會接近你本人的台灣口音；用社群聲音庫的聲音，口音就看原本的錄音者，建議先試聽。

Fish Audio 複製聲音需要多長的錄音？

即時聲音複製最少 10 秒；專業聲音複製需要 10 到 180 分鐘的乾淨錄音，並通過本人驗證。錄音越乾淨、語氣越接近你平常說話的樣子，複製結果越像。

Fish Audio 生成的聲音可以商用嗎？

付費方案（Plus、Pro）可以商用；官方 FAQ 寫免費方案限個人、非商業用途。要用在業配或營利內容前，請再確認官網最新的使用條款。

Fish Audio 多少錢？

Plus 月繳 15 美元、年繳換算每月 11 美元；Pro 月繳 100 美元、年繳換算每月 75 美元。API 的 S2.1 Pro 每 100 萬 UTF-8 位元組 15 美元，約等於 33 萬個中文字。

Fish Audio 的 S2.1 Pro 和 Drama 3 差在哪？

S2.1 Pro 是一般用途的主力模型，品質和速度最平衡；Drama 3 是 2026-10-13 推出的戲劇模型，情緒幅度更大，適合有聲書、廣告和角色對話。API 價格 Drama 3 原價每 100 萬位元組 50 美元，2026-11-30 前優惠 10 美元。

Fish Audio 可以接 Claude 嗎？

可以。Fish Audio 有官方 MCP，在 Claude Code 輸入 claude mcp add --transport http fish-audio https://api.fish.audio/mcp，再用 /mcp 登入就能使用；Claude 網頁版和桌面版可以在連接器設定加入同一個網址。

中文配音念錯字怎麼辦？

先把念錯的字找出來，改寫送進 TTS 的文字：可以換成簡體字、同音字、中文音譯，或加拼音標籤，字幕維持原本的寫法。只改念錯的那一句重新生成，不用整段重做。

Fish Audio 有繁體中文介面嗎？

截至 2026-11-09 沒有。官網有英文、簡體中文、日文等語言版本。

想試試看的話

如果你也想做影片、但沒那麼擅長錄音，又想省時間，可以先用免費方案，拿一段自己的腳本試試看。確定要用在正式影片，再升級 Plus。

用我的專屬連結前往 Fish Audio

目前沒有讀者專屬優惠，方案折扣以官網當下的公告為準。

參考資料

  1. Fish Audio 方案與價格
  2. Fish Audio 開發者文件：模型總覽
  3. Fish Audio 開發者文件：API 價格與速率限制
  4. Fish Audio MCP 安裝說明
  5. Fish Audio S2.1 Pro 免費 API 公告
  6. Fish Audio Drama 3 發表文
  7. Fish Audio 專業聲音複製說明
  8. Fish Audio 種子輪融資公告
  9. ElevenLabs 方案與價格

創作邦載入中