Fish Audio Drama-3
#11 in Sprachsynthese (TTS)Fish Audio · v3 · seit 2026-10-13 · 2× · zuletzt 16. Okt. 2026
38
Momentum
Fish Audio Drama 3 ist ein Text-to-Speech-Modell von Fish Audio, das am 13. Oktober 2026 veröffentlicht wurde. Es basiert auf einer 35B-Parameter-Mixture-of-Experts-Architektur mit etwa 3B aktiven Parametern pro Token und unterstützt 83 Sprachen. Die Gewichte stehen auf Hugging Face unter der Fish Audio Community License v1.0 (keine Open-Source-Lizenz im engeren Sinn), der Zugriff erfolgt zusätzlich über Web-App, mobile Apps und API.
Momentum-Verlauf
20.07.18.10.
Features
| Echtzeit-Streaming | Ja: synthetisiert Long-Form- und Streaming-Audio; Inferenz über SGLang-Omni; Streaming-Text-Input neu in Drama 3 |
| Latenz | Time to first audio 88,9 ms (Single Stream, 1x H200, laut Model Card) |
| Lizenz | Fish Audio Community License v1.0: frei für Forschung und nicht-kommerzielle Nutzung; kommerziell frei bei unter US$500.000 Jahresumsatz (Partner/Verbundene); Hosting als Drittanbieter-API braucht separate Lizenz |
| Plattform | Web (fish.audio), iOS- und Android-App, API (POST /v1/tts mit Header model: drama-3); Gewichte auf Hugging Face, Code auf GitHub |
| Preis | API-Listenpreis $50 pro 1 Mio. Zeichen; Launch-Angebot $10 pro 1 Mio. Zeichen (13.10.–12.11.2026). Abweichend: OpenRouter führt $2 pro 1 Mio. UTF-8-Bytes. |
| Release-Datum | 13. Oktober 2026 |
| Sprachen | 83 |
| Voice-Cloning | Ja: klont Stimmen aus mehreren Referenzen; Stimmen über reference_id in der API |