Drama 3 Preview de Fish Audio es el nuevo modelo #1 de pesos abiertos de Text to Speech en la clasificación de Text to Speech de Artificial Analysis. El modelo también lidera todos los modelos en nuestra clasificación de Pronunciation Robustness, por delante de Eleven v4 y Eleven v4 Turbo
Drama 3 Preview es el nuevo modelo de pesos abiertos de Text to Speech de @FishAudio, diseñado para escenas de múltiples personajes y contenido de formato largo con clonación de voz y control en lenguaje natural. Los pesos están disponibles en Hugging Face bajo la Fish Audio Community License.
Conclusiones clave:
➤ Pronunciation Robustness: Drama 3 Preview obtiene un 93.2%, ocupando el puesto #1 por delante de Eleven v4 con 91.7% y Eleven v4 Turbo con 90.1%. Es #1 en Standalone Terms y Preserving Exact Sequences y #2 en Expanding Shorthand.
➤ Provider Voice: Drama 3 Preview tiene un Elo de 1,243 (+16/-16) en 1,857 apariciones, ocupando el puesto #10, una ganancia de 101 puntos sobre el anterior Fish Audio S2.1 Pro con 1,142.
➤ Controlled Voice: Drama 3 Preview ocupa el puesto #14 con un Elo de 1,058 (+15/-15) en 1,804 apariciones.
➤ Pesos abiertos: Drama 3 Preview es el modelo de pesos abiertos #1 en las tres clasificaciones de Text to Speech. En Pronunciation Robustness supera al siguiente modelo de pesos abiertos, Voxtral TTS de Mistral con 78.1%, por 15 puntos, y en la Provider Voice Arena está por delante de Breeze TTS 2 con 1,221. Drama 3 es un modelo de mezcla de expertos de 35B parámetros (3B activos) compatible con 83 idiomas, disponible en Hugging Face.
➤ Precios: Drama 3 Preview está disponible a través de la API de Fish Audio a $15/1M caracteres, el mismo precio que S2.1 Pro, en comparación con Eleven v4 a $80/1M caracteres y Eleven v4 Turbo a $40/1M caracteres.
Vea más detalles y escuche muestras a continuación 🧵