Fish Audio: Drama 3

Fish Audio : Drama 3 est un modèle de synthèse vocale de Fish Audio, répertorié sur api14 dans la catégorie speech. Il est conçu pour des performances vocales dirigées, ce qui signifie que le modèle est pensé autour de l'idée que vous décrivez comment une réplique doit être interprétée plutôt que de simplement fournir les mots. Fish Audio est le fournisseur derrière le modèle, et la date de publication du fournisseur est le 13 octobre 2026.

Le modèle prend du texte comme seule entrée et renvoie de la parole comme seule sortie. Sa capacité distinctive est la gestion des indications : vous écrivez l'indication en langage naturel entre crochets avant une réplique, par exemple une note entre crochets telle que nervous avant la phrase qui doit être prononcée avec nervosité. Cela vous permet de façonner l'interprétation à partir du prompt lui-même au lieu de dépendre de contrôles séparés. Aucune longueur de contexte n'est publiée pour ce modèle, et les détails indiquent une sortie maximale de zéro, donc il n'y a ni fenêtre de tokens ni budget de tokens de sortie documentés pour planifier. C'est un modèle de génération de parole, pas un modèle de texte ni un modèle multimodal, donc il n'accepte pas d'entrées audio ou image et ne renvoie pas de texte.

Les usages pratiques découlent de cette conception. Comme l'indication est écrite en langage naturel, Drama 3 convient aux travaux où l'interprétation compte autant que les mots : dialogues de personnages et jeu vocal pour les jeux, l'animation ou la fiction audio ; narration pour des histoires et des podcasts où le ton change entre les répliques ; et voix off publicitaires ou explicatives où un seul script nécessite plusieurs lectures émotionnelles. Il convient aussi au prototypage, puisque vous pouvez itérer sur une interprétation en modifiant l'indication entre crochets plutôt qu'en réenregistrant un comédien voix humain. Tout flux de travail qui part d'un script et nécessite une sortie parlée avec un contrôle par réplique est un candidat raisonnable.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "fish-audio/drama-3". Comme l'interface suit le format OpenAI, vous envoyez une requête au point de terminaison speech avec cet identifiant et votre entrée texte, et vous recevez la parole générée dans la réponse. Le modèle ne liste aucun paramètre pris en charge, donc il n'y a aucune option d'échantillonnage ou de génération documentée à définir au-delà de l'identifiant de modèle et de l'entrée elle-même ; traitez la requête comme l'identifiant de modèle plus votre texte dirigé. Si vous devez confirmer les champs exacts de requête et de réponse, consultez le schéma du point de terminaison sur la page du modèle.

Il y a des limites qu'il vaut la peine de connaître avant de vous engager. Aucune longueur de contexte n'est publiée, et la sortie maximale est indiquée comme zéro, donc il n'y a aucun plafond déclaré sur la quantité de texte que vous pouvez envoyer ou sur la quantité de parole que vous pouvez obtenir en un appel. Les paramètres pris en charge sont vides, donc si votre pipeline dépend du réglage des paramètres de génération, ce modèle ne les expose pas. Si votre tâche est la génération de texte, la transcription ou toute autre chose que la production de parole à partir de texte, un autre modèle du catalogue conviendra mieux.