Fish Audio Drama 3 مقابل Breeze TTS 2: مقارنة الأوزان المفتوحة التي تنتهي برقم VRAM

Fish Audio Drama 3 و Breeze TTS 2 هما النموذجان الأعلى تصنيفًا من بين نماذج تحويل النص إلى كلام مفتوحة الأوزان على منصة Provider Voice Arena التابعة لـ Artificial Analysis، بفارق 50 نقطة Elo، وهما لا تتنافسان فعليًا على النشر نفسه. Drama 3 نموذج مزيج خبراء يضم 35 مليار معامل ويحتاج إلى بطاقة واحدة بسعة 48 جيجابايت. أما Breeze TTS 2 من BreezeBlue فهو نموذج كثيف يضم 3 مليارات معامل مع كود استدلال PyTorch منشور. هذا الفرق في البصمة يحسم أسئلة شراء أكثر مما يحسمه فارق Elo، لأن النموذج الذي لا يمكنك تشغيله ليس نموذجًا يمكنك تقييمه — كما أن الترخيصين يتجهان في اتجاهين متعاكسين إضافة إلى ذلك.

نفس التسمية، نوعان مختلفان من الأوزان المفتوحة

يعرض كلا البندين رابطًا للأوزان على اللوحة، وسيُوصَف كلاهما في بيان صحفي بأنه مفتوح. لكن لا أيٌّ منهما مفتوح المصدر، كما أن القيود ليست على الشكل نفسه.

نُشرت أوزان Breeze TTS 2 على Hugging Face في 2026-08-25 باسم BreezeBlue/Breeze-TTS-2، إلى جانب شيفرة الاستدلال الخاصة بـ PyTorch، تحت ترخيص بحثي غير تجاري. ويشكّل ذلك عائقًا قاطعًا أمام النشر التجاري دون اتفاق منفصل، ولم يتغير منذ ذلك الحين. أعلنت الشركة عن النموذج في 2026-08-16 و2026-08-17 كنموذج صوتي في الوقت الفعلي للوسائط التفاعلية، وأطلقت واجهة برمجة تطبيقات مستضافة بسعر 34 دولارًا لكل مليون حرف، ونشرت الأوزان بعد تسعة أيام. أسّس يانغ بين، أحد المؤسسين التقنيين السابقين لـ MiniMax، شركة BreezeBlue عبر جولة تمويل أولية بقيمة 6 ملايين دولار بقيادة Yuanjing Capital وRedpoint China.

يُصدر Fish Audio Drama 3 بموجب ترخيص Fish Audio Community License v1.0، وهو ترخيص أكثر تسامحًا من حيث الجوهر على المحور الذي يهم معظم الفرق: فالاستخدام التجاري مجاني ما دامت الإيرادات السنوية لك وللشركات التابعة لك أقل من 500,000 دولار أمريكي، وتعتبر الأسئلة الشائعة إنتاج الصوت النهائي للعملاء أمرًا مسموحًا به. وفوق هذا الحد، أو إذا كنت ترغب في استضافة Drama 3 كخدمة تحويل النص إلى كلام أو استنساخ الصوت أو استدلال، فأنت بحاجة إلى ترخيص من Fish Audio. كما يحظر الترخيص استنساخ صوت شخص حقيقي دون موافقته. أما S2 — السلف — فيبقى تحت ترخيص البحث الأكثر صرامة، لذا لا يمكن التعامل مع جيلي Fish Audio كفئة قانونية واحدة.

القراءة العملية: Breeze TTS 2 هو النموذج الأسهل للتجربة والأصعب في الإطلاق تجارياً؛ أما Drama 3 فعلى العكس. إذا كان تقييمك عرضاً بحثياً أو أداة داخلية، فرخصة Breeze لا تقف في طريقك، وحجمه البالغ 3B يجعل التجربة منخفضة التكلفة. وإذا انتهى تقييمك إلى منتج، فإن شروط Fish Audio هي التي سيوقّعها محامٍ دون تفاوض.

ثمة تفصيل في بطاقة نموذج Breeze يستحق الإشارة إليه لأنه أصبح الآن قديمًا. لا يزال مقدمة البطاقة تقول إن النموذج «يحتل المرتبة الأولى بين النماذج المفتوحة الأوزان على لوحة صدارة TTS من Artificial Analysis». كان ذلك صحيحًا حين كُتب؛ أما اللوحة اليوم فتُصنّف Breeze TTS 2 في المرتبة الثالثة عشرة لأصوات المزوّدين والثامنة والعشرين للأصوات المضبوطة، خلف كلا إدخالي Fish Audio. بطاقات النماذج تشيخ أسرع من لوحات الصدارة، والقارئ الذي يتحقق من البطاقة فقط سيخرج بترتيب خاطئ.

أرقام الساحة، ولماذا تُعد فجوة الصوت الخاضع للتحكم هي الأكبر

اقرأ من Artificial Analysis بتاريخ 2026-10-29:

• Voice Arena لمزوّدي الخدمة — Fish Audio Drama 3 في المرتبة 6 بتصنيف Elo قدره 1,278 وسعر مسجّل على لوحة الصدارة قدره 15.00 دولارًا لكل مليون حرف؛ Breeze TTS 2 في المرتبة 13 بتصنيف 1,228 و34.00 دولارًا. فجوة قدرها 50 نقطة، حيث تكون جميع النماذج المصنّفة بينهما أنظمة مغلقة.

• ساحة الصوت الخاضعة للتحكم — Fish Audio Drama 3 في المركز 12 بـ1,085؛ Breeze TTS 2 في المركز 28 بـ1,021. فجوة قدرها 64 نقطة، وهذه هي اللوحة التي يُقيَّم فيها كل نموذج على نفس الأصوات المرجعية الثابتة بدلاً من الأصوات التي صممها مزوّده بنفسه.

• اتجاه اتساع الفجوة — تتزايد ميزة Drama 3 بمقدار 14 نقطة عندما تستبعد كتالوج الأصوات الخاص بالمورّد من المقارنة. هذا هو الرقم الأكثر فائدة على الإطلاق في هذه المواجهة، لأنه يقول إن تقدّم Fish Audio ليس ناتجًا عن مدى جودة أصواته الجاهزة.

خمسون أو أربعة وستون نقطة Elo فرقٌ حقيقي في اختبارات التفضيل العمياء، لكنه ليس فرقًا يصمد عندما يكون النموذج هو الوحيد في المقارنة. وكلاهما أدنى بكثير من الحدود المغلقة المتقدمة: يتصدر Eleven v4 Turbo لوحة المزوّدين عند 1,336، ويتصدر HeyGen Voice اللوحة المضبوطة عند 1,193. وما يقدمه الزوج مفتوح الأوزان هو حدّ أدنى قابل للاستضافة الذاتية، لا حدودًا متقدمة.

ما الذي يحتاجه كل واحد منها فعليًا لكي يعمل

هنا تتوقف المقارنة عن أن تكون مجردة.

• Drama 3 — إجمالي المعاملات 35B، منها نحو 3B نشطة لكل رمز، و8 من 256 خبيرًا موجّهًا إضافةً إلى خبير مشترك واحد. تبلغ أوزان النموذج نحو 40 GB عبر مجموعة شاردات إضافةً إلى ملف codec منفصل، ويحتاج استنتاج FP8 إلى نحو 48 GB من VRAM. لا توثّق Fish Audio أي مسار عبر CPU أو Apple Silicon أو ROCm. وعلى وحدة H200 واحدة، يذكر المورّد 271 إطارًا في الثانية مقابل 177 لـ S2، وهو العائد مقابل البنية المتناثرة؛ وهذا الرقم مذكور من المورّد ولم يُعِد أحد إنتاجه خارج Fish Audio.

• Breeze TTS 2 — 3 مليارات معامل كثيف. تبلغ مساحة نقطة حفظ (checkpoint) بصيغة BF16 نحو 6 غيغابايت، لذا فهي تتّسع بارتياح على بطاقة بسعة 24 غيغابايت، ومن المعقول أن تتّسع على بطاقات أصغر عند استخدام التكميم. كود الاستدلال موجود في المستودع بشكل صريح لا ضمني. لا يوجد رقم منشور لزمن التأخير على مستوى التدفّق الواحد، لكن النموذج صُمّم وسُوّق من أجل الوسائط التفاعلية الآنية، وهو مطلب يختلف عن السرد عالي الدقة.

• المُرمِّز — يحتفظ Drama 3 بإعداد Descript Audio Codec من S2: 44.1 كيلوهرتز، وعشرة دفاتر شيفرة، ونحو 21.5 إطارًا في الثانية، وسببي بالكامل. أما مُرمِّز Breeze TTS 2 فليس مما يمكنني اقتباسه من مصدر أولي، وأي مقارنة تختلق واحدًا ستكون دقة زائفة.

النتيجة صريحة. فريق يملك أربع بطاقات بسعة 24 جيجابايت يستطيع تشغيل Breeze TTS 2 اليوم، ولا يستطيع تشغيل Drama 3 دون حيل تجزئة لا توثّقها Fish Audio. أما فريق يملك بطاقة واحدة من فئة H200 فهو يختار بين نموذج يتوافق مع عتاده ونموذج أفضل بمقدار 50 نقطة إيلو. لا أحد هذين الجوابين خاطئ؛ بل هما جوابان لسؤالين مختلفين.

التكلفة عند الكميات الكبيرة، بالوحدة التي تصدر بها Fish Audio فواتيرها فعليًا

تسعّر وثائق Fish Audio لكل مليون بايت UTF-8، لا لكل حرف، مما يغيّر الحساب لأي شخص لا يكتب بالإنجليزية. مليون بايت UTF-8 يعادل، وفق الوثائق نفسها، نحو 180,000 كلمة إنجليزية أو اثنتي عشرة ساعة من الكلام. Drama 3 مُسعّر عند 50.00 دولارًا لكل مليون بايت — أي نحو 4.17 دولارات لكل ساعة صوت مكتملة — بسعر إطلاق قدره 10.00 دولارات، أي نحو 0.83 دولار في الساعة، حتى 2026-11-12 09:00 PT. Breeze TTS 2 بسعر 34.00 دولارًا لكل مليون حرف، ووفق التحويل التقريبي نفسه فإن ذلك نحو 2.83 دولار في الساعة.

إذًا ينقلب الترتيب حسب اليوم الذي تشتري فيه. خلال العرض الترويجي، تبلغ تكلفة Drama 3 في الساعة نحو ثلث تكلفة Breeze TTS 2 في الساعة. وبعد 2026-11-12، يصبح Drama 3 بالسعر المدرج أغلى في الساعة من Breeze بنحو 47% — مع أنه أفضل بمقدار 50 إلى 64 نقطة Elo في الساحات، وأفضل بدرجة ملموسة في النطق. وبالنسبة لنصوص CJK أو السيريلية، تدفع الفوترة القائمة على البايتات Drama 3 إلى مرتبة أعلى: فالحرف المكوّن من ثلاثة بايتات يكلّف ثلاثة أضعاف ما يكلّفه حرف إنجليزي وفق ذلك الجدول، في حين أن المورّد الذي يحاسب لكل حرف يتقاضى السعر نفسه لكليهما.

تفصيلان للفوترة من الوثائق نفسها جديران بأن يُنقلا إلى نموذج ميزانية، لأن كليهما يضخّم الإنفاق الفعلي بهدوء. فحدود المعدل تنطبق على الطلبات المتزامنة، لا على الطلبات في الثانية — 5 طلبات متزامنة في الفئة الأساسية، و15 اعتبارًا من دفع $100، و50 اعتبارًا من $1,000 — وأي طلب يتجاوز الحد يعيد 429 دون ترويسة retry-after، لذا يجب على أي مُصيّر متوازٍ ساذج تنفيذ آلية backoff خاصة به. أما الطلبات التي تحدد معرّف نموذج مفقودًا أو غير مطابق تمامًا فتُقدَّم وتُحاسب كنموذج الافتراضي، وهذا يعني في جانب TTS أن ترويسة Drama 3 المكتوبة خطأً أثناء العرض الترويجي قد تُحاسبك بسعر S2.1 Pro بدلًا من الخصم.

وضع كليهما خلف خط أنابيب واحد

لا يُعدّ {{1}}Fish Audio Drama 3{{/1}} ولا {{2}}Breeze TTS 2{{/2}} من النماذج الموجودة على {{3}}OrcaRouter{{/3}}. يُتم الوصول إلى كل منهما عبر واجهة API الخاصة بمورده، وفي حالة {{4}}Fish Audio{{/4}}، عبر منصات طرف ثالث، وتقول النسخة الصادقة من هذا القسم ذلك بدلًا من الإيحاء بمسار لا نمتلكه.

الطبقة المنظِّمة مسألة منفصلة، وهي حيث يبرّر الانقسامُ بين النموذجين وجودَه. فاستوديو صغير يريد Drama 3 للسرد وBreeze TTS 2 لمطالبات واجهة المستخدم الفورية يشغّل مجموعتَي SDK، وجدولَي أسعار، ونمطَي فشل، في مواجهة موعد نهائي واحد. أما تمرير بقية المكدس عبر نقطة نهاية واحدة بسعر قائمة المزوّد دون أي هامش ربح، مع التحويل التلقائي عند الفشل عبر المزوّدين المنبعيين، فيعني أن اختيار مورّد TTS يصبح سطرًا في إعدادات بدلًا من عقد ثانٍ — وأن لغة التوجيه DSL يمكنها تركيب استدعاء نموذج مع خطوة الصوت بدلًا من وصلهما معًا في شيفرة التطبيق.

إذا كنت تختار واحدًا اليوم والعتاد مُشترى بالفعل، فالقرار شبه محسوم لك: فـ48 GB من VRAM بندٌ مالي مختلف عن 6 GB، ورخصة Breeze المخصّصة للبحث فقط تتطلب مراجعة قانونية مختلفة عن رخصة Drama 3 المجتمعية المحدودة بالإيرادات. وإذا كنت تختار واحدًا من أجل الجودة ضمن فئة الأوزان المفتوحة، فالإجابة هي Drama 3 في الساحتين وعلى مستوى النطق، وحجة السعر لا تصح إلا للأسبوعين القادمين.