Fish Audio: Drama 3

Fish Audio: Drama 3 är en text till tal modell från Fish Audio, listad på api14 under kategorin speech. Den är byggd för regisserade röstframföranden, vilket betyder att modellen är designad kring idén att du beskriver hur en replik ska levereras i stället för att bara ange orden. Fish Audio är leverantören bakom modellen, och leverantörens utgivningsdatum är 13 oktober 2026.

Modellen tar text som sin enda indata och returnerar tal som sin enda utdata. Dess utmärkande förmåga är hantering av regi: du skriver regin i klarspråk inom hakparenteser före en replik, till exempel en parentesnotering som nervous före meningen som ska sägas nervöst. Det låter dig forma framförandet från prompten själv i stället för att förlita dig på separata kontroller. Ingen kontextlängd publiceras för denna modell, och detaljerna listar en maximal utdata på noll, så det finns inget dokumenterat tokenfönster eller utdata tokenbudget att planera mot. Det är en talgenereringsmodell, inte en text eller multimodal modell, så den accepterar inte ljud eller bild som indata och returnerar inte text.

De praktiska användningsområdena följer av den designen. Eftersom regi skrivs i klarspråk passar Drama 3 arbete där leveransen spelar lika stor roll som orden: karaktärsdialog och röstskådespeleri för spel, animation eller ljuddrama; berättarröst för historier och poddar där tonen skiftar mellan repliker; och reklam eller förklarande voiceovers där ett enda manus behöver flera emotionella läsningar. Den passar också prototyparbete, eftersom du kan iterera på ett framförande genom att redigera den parentesmarkerade regin i stället för att spela in en mänsklig röstskådespelare på nytt. Alla arbetsflöden som utgår från ett manus och behöver talad utdata med kontroll per replik är rimliga kandidater.

Du anropar modellen genom api14:s OpenAI kompatibla API med modell id "fish-audio/drama-3". Eftersom gränssnittet följer OpenAI formatet skickar du en begäran till speech endpointen med det id:t och din textindata, och du får genererat tal i svaret. Modellen listar inga parametrar som stöds, så det finns inga dokumenterade alternativ för sampling eller generering att ställa in utöver modell id:t och indata själv; behandla begäran som modell id:t plus din regisserade text. Om du behöver bekräfta exakta fält för begäran och svar, kontrollera endpointens schema på modellsidan.

Det finns begränsningar värda att känna till innan du binder dig. Ingen kontextlängd publiceras, och den maximala utdatan listas som noll, så det finns inget angivet tak för hur mycket text du kan skicka eller hur mycket tal du kan få tillbaka i ett anrop. Parametrar som stöds är tomma, så om din pipeline är beroende av att finjustera genereringsinställningar exponerar denna modell dem inte. Om din uppgift är textgenerering, transkribering eller något annat än att producera tal från text, passar en annan modell i katalogen bättre.