Drama 3
Fish Audios nya röstmodell (text till tal) som man regisserar med vanliga ord: man skriver hur en replik ska kännas, lägger in suckar, skratt och pauser och väljer exakt vilka ord som ska viskas eller betonas.
- Text till tal
AI Search går igenom Drama 3 [4]
Ljudexempel
- Utan regi: "I'm fine. Really. Go on without me." [1]
- Samma replik med regin [barely holding it together, forcing a smile] [1]
- Med inlagda ljud: [shaky breath] och [small laugh] [1]
- Bara sista meningen viskas med taggen <whisper> [1]
- Regin skriven på kinesiska, repliken på engelska [1]
- Förhörsscen med två röster, genererad i ett svep med Auto Tag [1]
- Experimentellt språkbyte mitt i meningen: engelska till franska [2]
Om Drama 3[1][2][3][4][5]
Drama 3 är Fish Audios nya modell för text till tal, släppt den 13 oktober 2026 och fortfarande märkt som förhandsversion (Preview). Den är byggd för att man ska kunna regissera uppläsningen som med en röstskådespelare. I stället för en fast lista med ljudtaggar skriver man en instruktion inom hakparenteser framför repliken, till exempel [knappt håller ihop, tvingar fram ett leende], och beskriver känsla, avsikt, tempo eller vem rollfiguren pratar med.
Man kan också lägga in ljud och pauser exakt där de ska höras, som [suck], [skratt] eller [paus], och med parade taggar ändra bara vissa ord: viska, betona, tala mjukt, snabbare, långsammare eller kraftfullare. Instruktionerna kan skrivas på engelska eller på ett annat språk, och de behöver inte vara på samma språk som manuset. Ett experimentellt läge låter en fras byta språk mitt i en mening, och uttalet av namn och termer kan låsas med fonemtaggar.
Drama 3 kan läsa en hel dialog med flera röster i ett svep, och funktionen Auto Tag skriver in förslag på regi i ett manus som man sedan kan ändra. Fish Audio skriver att resultatet varierar mellan tagningarna, så man bör göra några och välja den bästa, och att modellen uppdateras löpande under förhandsperioden.
Modellen finns i Fish Audios webbapp och via API:t med modellnamnet drama-3. Priset är 50 dollar per miljon byte text, med ett lanseringspris på 10 dollar fram till den 12 november 2026. Fish Audio uppger inget om modellens storlek eller om vikterna ska släppas.
Det viktigaste[1][2]
- Regi med vanliga ord inom hakparenteser i stället för en fast lista med taggar, och instruktionerna får vara på vilket språk som helst.
- Ljud och pauser (suck, skratt, andetag) hamnar exakt där man skriver dem, och sju parade taggar ändrar bara de ord man väljer.
- Hela dialoger med flera röster genereras i ett svep, och Auto Tag föreslår regi åt en.
- Pris i API:t: 50 dollar per miljon byte text, eller 10 dollar under lanseringserbjudandet som gäller till 12 november 2026.
- Fortfarande förhandsversion: Fish Audio säger att resultaten varierar mellan tagningar.
Källor
- [1] Drama 3 – Direct Every Line of AI Voice ↗Fish Audio Officiell sida fish.audioPublicerad okänt datum Läst 25 okt 2026
- [2] Drama 3 ↗Fish Audio (dokumentation) Officiell sida docs.fish.audioPublicerad okänt datum Läst 25 okt 2026
- [5] Quantum breakthrough, Gemini 4 Argon, Muse Wonder, Drama 3, MOSS Image, Krea 3, Ling 3.1: AI NEWS ↗AI Search Nyhetsbrev aisearch.substack.comPublicerad 18 okt 2026 Läst 25 okt 2026
- [4] Quantum breakthrough, Gemini 4 Argon, MOSS Image, KLING 4, OpenAI spy, Muse Wonder: AI NEWS ↗AI Search Video youtube.comPublicerad 17 okt 2026 Läst 25 okt 2026
- [3] Changelog ↗Fish Audio (dokumentation) Officiell sida docs.fish.audioPublicerad 13 okt 2026 Läst 25 okt 2026
Historik
Placeringar i topplistor
- Artificial Analysis Speech ArenaFörhandsversion#9 · 1248 ± 15
Placering i varje lista när den lästes av. Klicka för källa och datum.
Vår bedömning
Inte bedömd än. Alla kan ändra.
Kommentarer
Inga kommentarer än. Skriv gärna vilket projekt den kan passa i.