Fish Audios Drama 3 Preview ist das neue #1-Open-Weights-Text-to-Speech-Modell auf dem Artificial Analysis Text to Speech-Leaderboard. Das Modell führt auch alle Modelle auf unserem Pronunciation Robustness-Leaderboard an, vor Eleven v4 und Eleven v4 Turbo
Drama 3 Preview ist das neue Open-Weights-Text-to-Speech-Modell von @FishAudio, entwickelt für Szenen mit mehreren Charakteren und Langformat-Inhalte mit Voice Cloning und Steuerung per natürlicher Sprache. Die Gewichte sind auf Hugging Face unter der Fish Audio Community License verfügbar.
Wichtigste Erkenntnisse:
➤ Pronunciation Robustness: Drama 3 Preview erzielt 93.2% und belegt damit Platz #1 vor Eleven v4 mit 91.7% und Eleven v4 Turbo mit 90.1%. Es rangiert auf #1 bei Standalone Terms und Preserving Exact Sequences sowie auf #2 bei Expanding Shorthand.
➤ Provider Voice: Drama 3 Preview hat ein Elo von 1,243 (+16/-16) über 1,857 Auftritte und belegt Platz #10, ein Zugewinn von 101 Punkten gegenüber dem bisherigen Fish Audio S2.1 Pro mit 1,142.
➤ Controlled Voice: Drama 3 Preview belegt Platz #14 mit einem Elo von 1,058 (+15/-15) über 1,804 Auftritte.
➤ Open weights: Drama 3 Preview ist das #1-Open-Weights-Modell auf allen drei unseren Text-to-Speech-Leaderboards. Bei Pronunciation Robustness führt es das nächstbeste Open-Weights-Modell, Mistral's Voxtral TTS mit 78.1%, um 15 Punkte an, und in der Provider Voice Arena liegt es vor Breeze TTS 2 mit 1,221. Drama 3 ist ein 35B-Parameter-Mixture-of-Experts-Modell (3B aktiv), das 83 Sprachen unterstützt und auf Hugging Face verfügbar ist.
➤ Preise: Drama 3 Preview ist über die Fish Audio API für $15/1M Zeichen verfügbar, derselbe Preis wie bei S2.1 Pro, verglichen mit Eleven v4 für $80/1M Zeichen und Eleven v4 Turbo für $40/1M Zeichen.
Weitere Details und Hörproben finden Sie unten 🧵