Fish Audio: Drama 3

Fish Audio: Drama 3 è un modello text to speech di Fish Audio, elencato su api14 nella categoria speech. È progettato per performance vocali dirette, il che significa che il modello è costruito attorno all'idea che tu descriva come una battuta debba essere recitata invece di fornire solo le parole. Fish Audio è il provider dietro il modello, e la data di rilascio del provider è il 13 ottobre 2026.

Il modello accetta testo come unico input e restituisce parlato come unico output. La sua capacità distintiva è la gestione delle direzioni: scrivi la direzione in linguaggio naturale tra parentesi quadre prima di una battuta, per esempio una nota tra parentesi come nervous prima della frase che dovrebbe essere pronunciata con nervosismo. Questo ti permette di modellare la performance direttamente dal prompt invece di affidarti a controlli separati. Nessuna lunghezza di contesto è pubblicata per questo modello, e i dettagli elencano un output massimo pari a zero, quindi non c'è una finestra di token documentata o un budget di token di output su cui pianificare. È un modello di generazione vocale, non un modello testuale o multimodale, quindi non accetta input audio o immagini e non restituisce testo.

Gli usi pratici derivano da questo design. Poiché la direzione è scritta in linguaggio naturale, Drama 3 è adatto a lavori in cui la recitazione conta quanto le parole: dialoghi tra personaggi e doppiaggio per giochi, animazione o audio dramma; narrazione per storie e podcast in cui il tono cambia tra le battute; e voiceover pubblicitari o esplicativi in cui un singolo copione richiede diverse letture emotive. Si adatta anche alla prototipazione, dato che puoi iterare su una performance modificando la direzione tra parentesi invece di registrare di nuovo un doppiatore umano. Qualsiasi flusso di lavoro che parte da un copione e richiede output parlato con controllo per singola battuta è un candidato ragionevole.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando il model id "fish-audio/drama-3". Poiché l'interfaccia segue il formato OpenAI, invii una richiesta all'endpoint speech con quell'id e il tuo input testuale, e ricevi il parlato generato nella risposta. Il modello non elenca parametri supportati, quindi non ci sono opzioni documentate di campionamento o generazione da impostare oltre al model id e all'input stesso; considera la richiesta come il model id più il tuo testo diretto. Se devi confermare i campi esatti di richiesta e risposta, controlla lo schema dell'endpoint sulla pagina del modello.

Ci sono limiti che vale la pena conoscere prima di impegnarti. Nessuna lunghezza di contesto è pubblicata, e l'output massimo è elencato come zero, quindi non c'è un tetto dichiarato su quanto testo puoi inviare o quanto parlato puoi ottenere in una singola chiamata. I parametri supportati sono vuoti, quindi se la tua pipeline dipende dalla regolazione delle impostazioni di generazione, questo modello non le espone. Se il tuo compito è la generazione di testo, la trascrizione o qualsiasi cosa diversa dal produrre parlato a partire dal testo, un modello diverso nel catalogo sarà più adatto.