Le Drama 3 Preview de Fish Audio est le nouveau modèle de synthèse vocale (Text to Speech) à poids ouverts n°1 du classement Text to Speech d'Artificial Analysis. Le modèle arrive également en tête de tous les modèles de notre classement de robustesse de prononciation, devant Eleven v4 et Eleven v4 Turbo
Drama 3 Preview est le nouveau modèle de synthèse vocale (Text to Speech) à poids ouverts de @FishAudio, conçu pour les scènes multi-personnages et les contenus longs, avec clonage de voix et contrôle en langage naturel. Les poids sont disponibles sur Hugging Face sous la Fish Audio Community License.
Points clés :
➤ Robustesse de prononciation : Drama 3 Preview obtient un score de 93,2 %, se classant n°1 devant Eleven v4 à 91,7 % et Eleven v4 Turbo à 90,1 %. Il se classe n°1 en Standalone Terms et Preserving Exact Sequences et n°2 en Expanding Shorthand.
➤ Provider Voice : Drama 3 Preview a un Elo de 1,243 (+16/-16) sur 1,857 apparitions, se classant n°10, un gain de 101 points sur le précédent Fish Audio S2.1 Pro à 1,142.
➤ Controlled Voice : Drama 3 Preview se classe n°14 avec un Elo de 1,058 (+15/-15) sur 1,804 apparitions.
➤ Poids ouverts : Drama 3 Preview est le modèle à poids ouverts n°1 sur nos trois classements Text to Speech. En Pronunciation Robustness, il devance le prochain modèle à poids ouverts, Voxtral TTS de Mistral à 78.1%, de 15 points, et dans la Provider Voice Arena il est devant Breeze TTS 2 à 1,221. Drama 3 est un modèle mixture-of-experts de 35B paramètres (3B actifs) prenant en charge 83 langues, disponible sur Hugging Face.
➤ Tarification : Drama 3 Preview est disponible via l'API Fish Audio à 15 $ pour 1M de caractères, le même prix que S2.1 Pro, contre Eleven v4 à 80 $ pour 1M de caractères et Eleven v4 Turbo à 40 $ pour 1M de caractères.
Voir plus de détails et écouter des exemples ci-dessous 🧵