Fish Audio: Drama 3

Fish Audio: Drama 3 é um modelo de conversão de texto em fala da Fish Audio, listado em api14 na categoria speech. Foi criado para performances de voz dirigidas, o que significa que o modelo foi concebido em torno da ideia de que você descreve como uma fala deve ser entregue em vez de apenas fornecer as palavras. A Fish Audio é a provedora por trás do modelo, e a data de lançamento da provedora é 13 de outubro de 2026.

O modelo recebe texto como sua única entrada e retorna fala como sua única saída. Sua capacidade distintiva é o tratamento de direção: você escreve a direção em linguagem simples dentro de colchetes antes de uma fala, por exemplo uma nota entre colchetes como nervous antes da frase que deve ser falada com nervosismo. Isso permite moldar a performance a partir do próprio prompt em vez de depender de controles separados. Nenhum comprimento de contexto é publicado para este modelo, e os detalhes listam uma saída máxima de zero, portanto não há janela de tokens documentada nem orçamento de tokens de saída para planejar. É um modelo de geração de fala, não um modelo de texto ou multimodal, então não aceita entradas de áudio ou imagem e não retorna texto.

Os usos práticos decorrem desse design. Como a direção é escrita em linguagem simples, o Drama 3 é adequado para trabalhos em que a entrega importa tanto quanto as palavras: diálogo de personagens e atuação de voz para jogos, animação ou drama em áudio; narração para histórias e podcasts em que o tom muda entre as falas; e locuções publicitárias ou explicativas em que um único roteiro precisa de várias leituras emocionais. Também serve para prototipagem, já que você pode iterar sobre uma performance editando a direção entre colchetes em vez de regravar com um ator de voz humano. Qualquer fluxo de trabalho que comece de um roteiro e precise de saída falada com controle por fala é um candidato razoável.

Você chama o modelo através da API compatível com OpenAI do api14 usando o id de modelo "fish-audio/drama-3". Como a interface segue o formato OpenAI, você envia uma requisição para o endpoint speech com esse id e sua entrada de texto, e recebe fala gerada na resposta. O modelo não lista parâmetros suportados, então não há opções documentadas de amostragem ou geração para definir além do id de modelo e da própria entrada; trate a requisição como o id de modelo mais seu texto dirigido. Se você precisar confirmar os campos exatos de requisição e resposta, verifique o esquema do endpoint na página do modelo.

Há limites que vale a pena conhecer antes de se comprometer. Nenhum comprimento de contexto é publicado, e a saída máxima está listada como zero, então não há teto declarado para quanto texto você pode enviar ou quanto de fala pode receber de volta em uma chamada. Os parâmetros suportados estão vazios, então se seu pipeline depende de ajustar configurações de geração, este modelo não as expõe. Se sua tarefa é geração de texto, transcrição ou qualquer coisa que não seja produzir fala a partir de texto, um modelo diferente no catálogo se encaixará melhor.