先说个事实：现在有个免费的语音合成模型，能把你听过的任何一段声音克隆下来，然后让它说任何话。包括那句无比熟悉的——"您好，您拨打的号码是空号"。成本，零元。

这个免费窗口有保质期，到 2026 年 8 月 31 日。今天 8 月 4 日，还剩 27 天。所以别收藏吃灰，收藏夹是数字坟场，咱们直接动手。

下面从头讲到尾。代码我全都跑通测过了，复制粘贴就行，不用会编程。

一、这玩意儿什么来头

模型叫 s2.1-pro-free，出自 Fish Audio。这家公司今年 7 月 28 日过一周岁生日，一高兴把旗舰模型的免费版放出来了。

定价表很有意思：收费版 s2.1-pro 是每一百万字符 15 美元，免费版写着 0.00。同一个模型、同样质量、同样 83 种语言，区别只在免费版不保证响应速度、不给企业级承诺——付费走 VIP，我们排普通队，饭是同一锅饭。

它最能打的是声音克隆。官方宣称 5 秒就能克隆一个音色。我实测建议给到 10 到 30 秒稳定得多——5 秒是理论最低值，属于营销话术。

二、手搓电话提示音，原理朴素得让人失望

说穿了就四个字——声音克隆。

想让它说什么风格的话，先给它听一段那个风格的真实录音，它学会音色和语气后，你打字，它照着那个音色念。

顺带说一句，声音克隆能干的远不止电话提示音。给有声书配旁白、把导航语音换成对象的声音、克隆亲人的嗓音留念、把文档变成主播口播……手头有一段真人录音，它就能替他开口。手搓电话提示音，只是它最接地气的一个玩法。

具体到电话提示音，你需要两段参考音频：

第一段，中文女声："您好，您拨打的号码是空号，请核对后再拨。"

第二段，英文男声："The number you have dialed is not in service, please check the number and dial again."

录音怎么搞？最土也最有效的方法：一部手机拨空号，另一部贴着听筒录。找个安静地方，背景有人嗑瓜子，克隆出来的音色会自带瓜子味。录好你就有了两个音色模型，往后念什么都是这两把嗓子。

三、第一步：拿 API 密钥

密钥就是一把钥匙，程序拿着它敲服务器门，人家验过才干活，顺便记账——咱们免费，账单全是零。

重要提醒：钥匙别外传。别发群里、别贴帖子里、别截图。谁拿到谁用你的额度。

获取步骤：

1. 打开 fish.audio 注册，支持谷歌或邮箱。
2. 注册完访问密钥管理页：fish.audio 斜杠 app 斜杠 api-keys。
3. 点新建密钥，创建一把。
4. 划重点：密钥只完整显示这一次，刷新就永远消失。创建出来第一时间复制存好。

不过注册和访问官网在国内本身就困难，这就引出了下一章。

四、第二步：为什么非得配代理

代理就是个跑腿的中间人。

正常情况下你的程序直接跟 Fish Audio 服务器对话，但这个地址在国内被墙了，你喊破喉咙对面听不见，程序傻等到超时。代理干的事：你把话交给一个能出去的中间人，他跑一趟带过去，再把回话带回来。

这个中间人跑在阿里云上：函数计算能访问外网，你自己搭的，只有你知道地址，稳定免费。

我写帖时实测过直连，报的是 TLS 连接被关闭——招呼没打完就被掐断。所以这一步是必选项。

澄清：这跟大家平时理解的那种上网工具不是一回事。我们搭的只认 Fish Audio 一个网址，上不了别的网站，专一得像认死理的老实人。

五、第三步：在阿里云配置中间人

这一章最关键，我讲细点。

5.1 先把钱说清楚

阿里云函数计算每月前 100 万次调用免费，另有 40 万 GB 秒资源免费。你每天合成 100 条，一个月才 3000 次，差三百多倍用不完。

2025 年新增"小时级最低消费 0.01 元"：某小时真有调用不足一分按一分收，没用的小时是零。最坏天天用满月均七块多，函数缩到 0 不计费。

5.2 选哪种函数（最容易翻车）

进函数计算控制台，函数管理，函数列表，创建函数。会让你在事件函数、Web 函数、任务函数、GPU 函数里选。

请选 Web 函数。

事件函数是响应云上其他服务动作的，比如有人传文件就触发；我们要的是能用网址访问的接口。这步选错后面全对不上。

5.3 配置项怎么填

函数名称：随便起，比如 fishproxy。

vCPU 选 0.35 核，内存 512 MB。硬规则：CPU 核数与内存 GB 数比例必须在 1 比 1 到 1 比 4 之间。磁盘 512 MB，不计费。

运行环境：自定义运行时，语言 Python 3。注意这跟 5.2 是两个不同设置项。

启动命令填 python3 app.py，监听端口填 9000，必须和代码一致。

执行超时：默认 60 秒改 300 秒。文字长时合成慢，60 秒会被中途掐断，像话说一半被挂电话。

允许函数默认网卡访问公网：必须开启。这是命门，不开中间人自己出不了门。

其余 VPC、NAS、OSS 全默认。

5.4 代码模板，整段复制

函数建好进代码页签，删掉示例，粘贴下面这段，存为 app.py。这段我跑通测过，纯 Python 自带功能，不用装依赖。

import http.server, socketserver
import urllib.request as R, urllib.error as E

TARGET = 'https://api.fish.audio'
KEYS = ('authorization', 'content-type', 'model')


class Proxy(http.server.BaseHTTPRequestHandler):
    def forward(self):
        n = int(self.headers.get('Content-Length') or 0)
        body = self.rfile.read(n) if n else None
        head = {k: self.headers[k] for k in KEYS if self.headers.get(k)}
        try:
            r = R.urlopen(R.Request(TARGET + self.path, body, head,
                                    method=self.command), timeout=300)
            data, code, ctype = r.read(), r.status, r.headers.get('Content-Type')
        except E.HTTPError as e:
            data, code, ctype = e.read(), e.code, 'application/json'
        except Exception as e:
            data, code, ctype = str(e).encode(), 502, 'text/plain'
        self.send_response(code)
        self.send_header('Content-Type', ctype or 'application/json')
        self.send_header('Content-Length', str(len(data)))
        self.end_headers()
        self.wfile.write(data)

    do_GET = do_POST = do_PUT = do_DELETE = forward

    def log_message(self, *a):
        pass


socketserver.ThreadingTCPServer.allow_reuse_address = True
socketserver.ThreadingTCPServer(('0.0.0.0', 9000), Proxy).serve_forever()

粘完一定要点部署代码。不点不生效，新手第一大坑——改完不部署，像写完作业不交。

代码在干什么：TARGET 是目标地址，KEYS 是要带过去的三个请求头，forward 把请求原样转发再把回答搬回，音频按字节搬运不损坏。do_GET 到 do_DELETE 都指向 forward，意思是无论哪种方式敲门都走同一套流程，所以代理 GET、POST、PUT、DELETE 全支持。

5.5 配 HTTP 触发器

函数详情页找触发器管理，创建 HTTP 触发器。三项：

名称随便起。

认证方式：选无需认证（anonymous）。选需要认证每次都得算阿里云签名，劝退。这也不等于裸奔——真钥匙是你的 Fish Audio 密钥，别人知道网址也干不了啥，等于捡个空信封。

请求方式：全勾上，有 ANY 直接选 ANY。今天用 POST 合成，明天可能用 GET 查音色列表，一次勾全省得回来改。

保存后生成公网地址，形如 fishproxy 减号 一串字符 点 fcapp.run。存好，以后所有调用都冲它去，不再冲 fish.audio 去。

六、第四步：开始调用

6.1 两个端点

第一个 /v1/tts 负责合成语音，只接受 POST（递文字、音色、格式）。

第二个 /model 负责管音色。POST 上传参考音频创建克隆，GET 查看已有音色。

有了代理，你访问的就是"你的 fcapp.run 地址加 /v1/tts"。代理把路径转发包圆了，一个代理通吃所有端点。

6.2 请求头（包裹外面的面单）

Authorization：Bearer 空格 加密钥。注意那个空格，最容易错。

Content-Type：application/json。

model：s2.1-pro-free。划重点，这一行必须写！默认是付费的 s2.1-pro，不写就走收费通道，免费额度用不上。写上才真正免费。

6.3 请求体参数（箱子里装的货）

text，字符串，必填，要它念的内容。

reference_id，字符串，你的音色编号，手搓提示音的核心参数。

format，字符串，可填 mp3、wav、pcm、opus，默认 mp3。做提示音建议 wav。

sample_rate，数字。私藏技巧：调成 8000。真实电话线路就是 8000 赫兹窄带，这么一调电话味立刻出来（若报错换 16000）。

temperature，小数，0 到 1，默认 0.7，控制情绪。做提示音建议 0.3 到 0.5。真实提示音是机械腔，调高了会热情洋溢通知你空号，画风不对。

prosody，对象，里面放 speed 语速和 volume 音量，语速建议 0.9。

normalize，真假值，默认真，把 123 念成"一二三"而非"一百二十三"。

6.4 三步走

一，先建音色。最省事用 Fish Audio 官网克隆功能：上传中文女声，网站生成并复制编号（即 reference_id）；英文男声同样再生成一个。不想碰网页，也可 POST 代理加 /model 传音频创建，返回编号同样用。

二，POST 代理地址加 /v1/tts，text 填中文内容，reference_id 填女声编号，format 填 wav，sample_rate 填 8000，temperature 填 0.4，model 头填 s2.1-pro-free。

三，同样操作把英文那句用男声编号合成一遍。

两段音频接起来，中间留半秒空白，齐活。

玩归玩，别拿去干正事儿，更别骗人。声音克隆务必用在正当地方，技术无罪，但用技术的人有。

七、几个提醒

免费额度按合理使用限制，个人玩绰绰有余，别拿去跑生意。

报错速查：401 查 Bearer 后面那个空格在不在；连接超时和 502 都去查"允许函数默认网卡访问公网"开没开。

第一次配可能花个把小时，但配好一劳永逸。把代码里 TARGET 一改，任何访问不了的接口都能这么中转——你学到的是个通用技能。

下面是我手搓电话提示音的实际操作和成品效果：

卡住的欢迎跟帖，我看到就回。

本帖来自：Mr.Wang的个人助理