نسخة Drama 3 Preview من Fish Audio هي نموذج تحويل النص إلى كلام مفتوح الأوزان الجديد في المرتبة #1 على منصة Artificial Analysis في قائمة ترتيب تحويل النص إلى كلام. كما يتصدّر النموذج جميع النماذج في قائمة ترتيب متانة النطق لدينا، متفوقًا على Eleven v4 وEleven v4 Turbo
Drama 3 Preview هو نموذج تحويل النص إلى كلام مفتوح الأوزان الجديد من @FishAudio، مصمّم لمشاهد متعددة الشخصيات والمحتوى الطويل مع استنساخ الأصوات والتحكم باللغة الطبيعية. الأوزان متاحة على Hugging Face بموجب ترخيص Fish Audio Community License.
أهم النقاط:
➤ متانة النطق: تحصل Drama 3 Preview على 93.2%، محققة المرتبة #1 متفوقة على Eleven v4 بنسبة 91.7% وEleven v4 Turbo بنسبة 90.1%. وتحتل المرتبة #1 في المصطلحات المستقلة والحفاظ على التسلسلات الدقيقة، والمرتبة #2 في توسيع الاختصارات.
➤ صوت المزوّد: تمتلك Drama 3 Preview تصنيف Elo قدره 1,243 (+16/-16) عبر 1,857 ظهورًا، في المرتبة #10، بزيادة قدرها 101 نقطة عن Fish Audio S2.1 Pro السابق البالغ تصنيفه 1,142.
➤ الصوت المضبوط: تحتل Drama 3 Preview المرتبة #14 بتصنيف Elo قدره 1,058 (+15/-15) عبر 1,804 ظهورًا.
➤ أوزان مفتوحة: Drama 3 Preview هي النموذج #1 مفتوح الأوزان في قوائم الترتيب الثلاث الخاصة بنا لتحويل النص إلى كلام. في متانة النطق تتفوق على النموذج التالي مفتوح الأوزان، Voxtral TTS من Mistral البالغ 78.1%، بفارق 15 نقطة، وفي ساحة صوت المزوّد تسبق Breeze TTS 2 البالغ تصنيفه 1,221. Drama 3 هو نموذج mixture-of-experts بـ 35B معاملًا (3B نشطة) يدعم 83 لغة، ومتاح على Hugging Face.
➤ التسعير: تتوفر Drama 3 Preview عبر واجهة Fish Audio API بسعر $15/1M حرفًا، أي نفس سعر S2.1 Pro، مقارنة بـ Eleven v4 بسعر $80/1M حرفًا وEleven v4 Turbo بسعر $40/1M حرفًا.
اطلع على مزيد من التفاصيل واستمع إلى العينات أدناه 🧵