Fish Audio: Drama 3

Fish Audio: Drama 3 adalah model text to speech dari Fish Audio, terdaftar di api14 di bawah kategori speech. Model ini dibangun untuk directed voice performances, yang berarti model ini dirancang berdasarkan gagasan bahwa Anda menjelaskan bagaimana sebuah baris harus disampaikan, bukan hanya memberikan kata katanya. Fish Audio adalah provider di balik model ini, dan tanggal rilis provider adalah 13 Oktober 2026.

Model ini menerima teks sebagai satu satunya input dan mengembalikan speech sebagai satu satunya output. Kemampuan pembedanya adalah direction handling: Anda menulis arahan dalam bahasa sederhana di dalam tanda kurung siku sebelum sebuah baris, misalnya catatan dalam tanda kurung seperti nervous sebelum kalimat yang harus diucapkan dengan gugup. Itu memungkinkan Anda membentuk performa langsung dari prompt, bukan mengandalkan kontrol terpisah. Tidak ada context length yang dipublikasikan untuk model ini, dan detailnya mencantumkan maximum output sebesar nol, jadi tidak ada token window atau output token budget terdokumentasi yang bisa dijadikan acuan perencanaan. Ini adalah model speech generation, bukan model teks atau multimodal, jadi model ini tidak menerima input audio atau gambar dan tidak mengembalikan teks.

Kegunaan praktisnya mengikuti desain tersebut. Karena arahan ditulis dalam bahasa sederhana, Drama 3 cocok untuk pekerjaan di mana penyampaian sama pentingnya dengan kata katanya: dialog karakter dan voice acting untuk game, animasi, atau audio drama; narasi untuk cerita dan podcast yang tonenya berubah antar baris; serta voiceover iklan atau explainer yang membutuhkan beberapa pembacaan emosional dari satu skrip. Model ini juga cocok untuk prototyping, karena Anda dapat melakukan iterasi pada sebuah performa dengan mengedit arahan dalam tanda kurung, bukan merekam ulang voice actor manusia. Alur kerja apa pun yang dimulai dari skrip dan membutuhkan output lisan dengan kontrol per baris adalah kandidat yang wajar.

Anda memanggil model ini melalui OpenAI compatible API milik api14 menggunakan model id "fish-audio/drama-3". Karena antarmukanya mengikuti format OpenAI, Anda mengirim permintaan ke endpoint speech dengan id tersebut dan input teks Anda, lalu Anda menerima speech yang dihasilkan dalam respons. Model ini tidak mencantumkan parameter yang didukung, jadi tidak ada opsi sampling atau generation terdokumentasi yang bisa diatur selain model id dan input itu sendiri; perlakukan permintaan sebagai model id ditambah teks berarahan Anda. Jika Anda perlu memastikan field permintaan dan respons yang tepat, periksa skema endpoint di halaman model.

Ada batasan yang perlu diketahui sebelum Anda berkomitmen. Tidak ada context length yang dipublikasikan, dan maximum output tercantum sebagai nol, jadi tidak ada batas atas yang dinyatakan untuk seberapa banyak teks yang dapat Anda kirim atau seberapa banyak speech yang dapat Anda terima kembali dalam satu panggilan. Parameter yang didukung kosong, jadi jika pipeline Anda bergantung pada penyetelan pengaturan generation, model ini tidak mengeksposnya. Jika tugas Anda adalah text generation, transcription, atau apa pun selain menghasilkan speech dari teks, model lain di katalog akan lebih cocok.