Fish Audio Drama 3 לעומת Breeze TTS 2: השוואת המשקלים הפתוחים שמסתיימת בנתון VRAM
- OrcaחדשOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29113 tok/s
- OrcaחדשOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 93 tok/s
- OrcaחדשOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 269 tok/s
- OrcaחדשOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 93 tok/s
- MoonshotחדשMoonshotAI: Kimi K3.1 Pro2026-10-2446אינטליגנציה
- OrcaחדשOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 104 tok/s
- minimaxחדשMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaחדשOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 66 tok/s
- deepseekחדשDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekחדשDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 לכל 1M טוקנים · 100 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955אינטליגנציה
- anthropicAnthropic: Claude Sonnet 5.52026-09-2854אינטליגנציה
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 לכל 1M טוקנים · 180 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228אינטליגנציה
- OpenAIOpenAI: GPT-6 Sol2026-09-2248אינטליגנציה
- AnthropicAnthropic: Claude Opus 5.52026-09-2258אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Flash2026-09-2127אינטליגנציה
- xiaomiXiaomi: MiMo-V2.6-Pro2026-09-2130אינטליגנציה
- xAIGrok 4.72026-09-2134אינטליגנציה
Fish Audio Drama 3 ו-Breeze TTS 2 הם שני מודלי הטקסט לדיבור עם משקלות פתוחים בעלי הדירוג הגבוה ביותר ב-Provider Voice Arena של Artificial Analysis, בהפרש של 50 Elo, והם לא ממש מתחרים על אותה פריסה. Drama 3 הוא מודל mixture-of-experts עם 35 מיליארד פרמטרים שדורש כרטיס יחיד בנפח 48 GB. Breeze TTS 2, מבית BreezeBlue, הוא מודל צפוף עם 3 מיליארד פרמטרים, עם קוד הסקה מפורסם ב-PyTorch. ההבדל הזה בטביעת הרגל מכריע יותר שאלות רכש מאשר פער ה-Elo, כי מודל שאינך יכול להריץ אינו מודל שאתה יכול להעריך — ושני הרישיונות מושכים לכיוונים מנוגדים בנוסף לכך.
אותה תווית, שני סוגים שונים של משקולות פתוחות
בשתי הרשומות מוצג קישור למשקולות בלוח, ושתיהן יתוארו בהודעה לעיתונות כפתוחות. אף אחת מהן אינה בקוד פתוח, והמגבלות אינן זהות בצורתן.
המשקולות של Breeze TTS 2 הועלו ל-Hugging Face ב-2026-08-25 בשם BreezeBlue/Breeze-TTS-2, יחד עם קוד האינפרנס של PyTorch, תחת רישיון מחקרי ולא-מסחרי. זהו חסם מוחלט לפריסה מסחרית ללא הסדר נפרד, ומצב זה לא השתנה מאז. החברה הכריזה על המודל ב-2026-08-16 וב-2026-08-17 כמודל קולי בזמן אמת למדיה אינטראקטיבית, פתחה API מתארח בתעריף של 34 דולר למיליון תווים, ופרסמה את המשקולות תשעה ימים לאחר מכן. BreezeBlue נוסדה על ידי יאנג בין, מייסד-שותף טכני לשעבר ב-MiniMax, על בסיס סבב סיד של 6 מיליון דולר בהובלת Yuanjing Capital ו-Redpoint China.
Fish Audio Drama 3 מופץ תחת Fish Audio Community License v1.0, אשר מקלה באופן מהותי יותר בציר שהכי חשוב לרוב הצוותים: שימוש מסחרי הוא חינמי מתחת להכנסה שנתית של 500,000 דולר אמריקאי עבורך ועבור החברות הקשורות אליך, וה-FAQ מתייחס להפקת אודיו מוגמר עבור לקוחות כמותר. מעל לסף זה, או אם ברצונך לארח את Drama 3 כשירות טקסט-לדיבור, שיבוט קול או הסקה, אתה זקוק לרישיון מ-Fish Audio. הרישיון גם אוסר על שיבוט קולו של אדם אמיתי ללא הסכמה. S2 — קודמו — נותר תחת ה-Research License המחמיר יותר, ולכן לא ניתן להתייחס לשתי הדורות של Fish Audio כקטגוריה משפטית אחת.
המבט המעשי: Breeze TTS 2 הוא המודל הקל יותר להתנסות בו והקשה יותר להשיקו מסחרית; Drama 3 הוא ההיפך. אם ההערכה שלך היא הדגמת מחקר או כלי פנימי, הרישיון של Breeze אינו עומד בדרכך, וטביעת הרגל של 3B הופכת את הניסוי לזול. אם ההערכה שלך מסתיימת במוצר, התנאים של Fish Audio הם אלה שעורך דין יחתום עליהם בלי משא ומתן.
פרט אחד בכרטיס המודל של Breeze ראוי לציון, מפני שהוא מיושן כעת. ההקדמה בכרטיס עדיין מציינת שהמודל "מדורג במקום הראשון מבין מודלי המשקלים הפתוחים בלוח המובילים TTS של Artificial Analysis". זה היה נכון בזמן כתיבתה; ואילו הלוח היום מציב את Breeze TTS 2 במקום השלושה עשר בקולות ספקים ובמקום העשרים ושמונה בקולות מבוקרים, מאחורי שני הרשומות של Fish Audio. כרטיסי מודלים מתיישנים מהר יותר מלוחות מובילים, וקורא שיבדוק רק את הכרטיס יישאר עם דירוג שגוי.
הנתונים של הארנה, ולמה הפער בקול המבוקר הוא הגדול יותר
קריאה מ-Artificial Analysis בתאריך 2026-10-29:
• Provider Voice Arena — Fish Audio Drama 3 במקום ה-6 עם Elo של 1,278 ותעריף של $15.00 למיליון תווים שתועד בלוח; Breeze TTS 2 במקום ה-13 עם 1,228 ו-$34.00. פער של 50 נקודות, כאשר כל המודלים המדורגים ביניהם הם מערכות סגורות.
• Controlled Voice Arena — Fish Audio Drama 3 במקום ה-12 עם 1,085; Breeze TTS 2 במקום ה-28 עם 1,021. פער של 64 נקודות, וזהו לוח הדירוג שבו כל מודל מדורג לפי אותם קולות ייחוס קבועים, במקום לפי הקולות שהיצרן של אותו מודל עיצב.
• כיוון ההתרחבות — היתרון של Drama 3 גדל ב-14 נקודות כאשר מוציאים מההשוואה את קטלוג הקולות של הספק עצמו. זהו המספר השימושי ביותר בהתמודדות הזו, כי הוא מלמד שהיתרון של Fish Audio אינו תוצר לוואי של כמה נעימים נשמעים קולות המלאי שלו.
חמישים או שישים וארבע נקודות Elo הן הבדל אמיתי במבחני העדפה עיוורים, וזה אינו הבדל שמחזיק מעמד כאשר הוא המודל היחיד בהשוואה. שניהם נמצאים הרחק מתחת לחזית הסגורה: Eleven v4 Turbo מוביל את לוח הספקים עם 1,336 ו-HeyGen Voice מוביל את הלוח המבוקר עם 1,193. מה שצמד המשקולות הפתוחות מציע הוא רצפה הניתנת לאירוח עצמי, לא חזית.
מה שכל אחד מהם באמת צריך כדי לפעול
זה המקום שבו ההשוואה מפסיקה להיות מופשטת.
• Drama 3 — 35B פרמטרים בסך הכול, כ-3B פעילים לכל טוקן, 8 מתוך 256 מומחים מנותבים בתוספת מומחה משותף אחד. המשקולות הן כ-40 GB על פני קבוצת שברים בתוספת קובץ קודק נפרד, והסקת FP8 דורשת בסביבות 48 GB של VRAM. Fish Audio אינה מתעדת נתיב CPU, Apple Silicon או ROCm. על H200 בודד, הספק מדווח על 271 פריימים לשנייה לעומת 177 עבור S2, וזו התמורה עבור הארכיטקטורה הדלילה; נתון זה מדווח על ידי הספק ולא שוחזר מחוץ ל-Fish Audio.
• Breeze TTS 2 — 3 מיליארד פרמטרים צפופים. צ'קפוינט BF16 הוא בסביבות 6 GB, כך שהוא נכנס בנוחות לכרטיס של 24 GB, ובאופן סביר גם לכרטיסים קטנים יותר עם קוונטיזציה. קוד האינפרנס נמצא במאגר ולא רק משתמע ממנו. אין נתון השהיה מפורסם ברמת זרם בודד, אך המודל תוכנן ונמכר עבור מדיה אינטראקטיבית בזמן אמת, וזו דרישה שונה מהקראה באיכות גבוהה.
• טוקנייזר — Drama 3 שומר על הגדרת Descript Audio Codec מ-S2: 44.1 קילו־הרץ, עשרה ספרי־קוד, כ־21.5 פריימים לשנייה, סיבתי לחלוטין. הטוקנייזר של Breeze TTS 2 אינו דבר שאוכל לצטט ממקור ראשוני, והשוואה שתמציא אחד כזה תהיה דיוק כוזב.
ההשלכה חדה. צוות עם ארבעה כרטיסי 24 GB יכול להריץ את Breeze TTS 2 היום, אך אינו יכול להריץ את Drama 3 בלי תחבולות sharding ש-Fish Audio אינה מתעדת. צוות עם כרטיס אחד בדרגת H200 בוחר בין מודל שמתאים לחומרה שלו לבין מודל שטוב ב-50 Elo. אף אחד משני אלה אינו התשובה השגויה; אלה תשובות לשאלות שונות.
עלות בהיקף, ביחידה שבה Fish Audio מחייבת בפועל
התיעוד של Fish Audio מתמחר לפי מיליון בייטים של UTF-8, לא לפי תו, מה שמשנה את החישוב לכל מי שלא כותב אנגלית. מיליון בייטים של UTF-8 הם, לפי אותו תיעוד, כ-180,000 מילים באנגלית או שתים עשרה שעות דיבור. Drama 3 רשום במחיר $50.00 למיליון בייטים — כ-$4.17 לשעת אודיו מוגמרת — עם מחיר השקה של $10.00, כ-$0.83 לשעה, עד 2026-11-12 09:00 PT. Breeze TTS 2 עומד על $34.00 למיליון תווים, ובאותה המרה גסה מדובר בכ-$2.83 לשעה.
אז הדירוג מתהפך בהתאם ליום שבו קונים. במהלך המבצע, Drama 3 מהווה בערך שליש מעלות השעה של Breeze TTS 2. אחרי 2026-11-12, Drama 3 במחיר המחירון יקר בכ-47% לשעה מ-Breeze — בעוד שהוא טוב ב-50 עד 64 נקודות Elo בזירות, וטוב באופן מהותי יותר בהגייה. ולטקסט ב-CJK או בקירילית, החיוב המבוסס על בתים דוחף את Drama 3 עוד למעלה: תו בן שלושה בתים עולה פי שלושה מתו באנגלית לפי אותה טבלה, בעוד שספק שמחייב לפי תו גובה את אותו מחיר עבור שניהם.
שני פרטי חיוב מאותו תיעוד כדאי להעביר למודל תקציב, משום ששניהם מנפחים בשקט את ההוצאה בפועל. מגבלות הקצב חלות על בקשות במקביל, לא על בקשות לשנייה — 5 בקשות במקביל בדרגת Starter, 15 החל מ-$100 בתשלום, 50 החל מ-$1,000 — ובקשה החורגת מהמגבלה מחזירה 429 ללא כותרת retry-after, כך שמרנדר מקבילי נאיבי חייב לממש בעצמו מנגנון השהיה מדורגת. ובקשות שמציינות מזהה מודל חסר או שאינו תואם בדיוק מוגשות ומחויבות כמודל ברירת המחדל, אשר בצד ה-TTS פירושו שכותרת Drama 3 עם שגיאת איות במהלך המבצע יכולה לחייב אותך לפי התעריף של S2.1 Pro במקום לפי תעריף ההנחה.
הצבת שניהם מאחורי צינור אחד
לא Fish Audio Drama 3 ולא Breeze TTS 2 נמנים עם המודלים ב-OrcaRouter. כל אחד מהם נגיש דרך ה-API של הספק שלו, ובמקרה של Fish Audio גם דרך פלטפורמות צד שלישי, והגרסה הכנה של הקטע הזה אומרת זאת במקום לרמוז על מסלול שאין לנו.
שכבת התזמור היא שאלה נפרדת, ושם הפיצול לשני מודלים מצדיק את עצמו. סטודיו קטן שרוצה את Drama 3 לקריינות ואת Breeze TTS 2 להנחיות UI בזמן אמת מריץ שני SDKs, שתי טבלאות תעריפים ושני סוגי כשל מול דדליין אחד. ניתוב שאר הסטאק דרך נקודת קצה אחת במחיר המחירון של הספק וללא תוספת, עם מעבר אוטומטי בין ספקי upstream במקרה כשל, הופך את בחירת ספק ה-TTS לשורה בקונפיגורציה ולא לחוזה נוסף — וה-DSL של הניתוב יכול להרכיב קריאת מודל עם שלב האודיו במקום להדביק אותם יחד בקוד האפליקציה.
אם אתם בוחרים אחד היום והחומרה כבר נרכשה, ההחלטה כמעט מוכרעת עבורכם: 48 GB של VRAM הם שורת תקציב אחרת מ-6 GB, והרישיון של Breeze למחקר בלבד הוא בדיקה משפטית אחרת מזו של הרישיון הקהילתי של Drama 3 עם תקרת הכנסות. אם אתם בוחרים אחד לפי איכות בתוך קטגוריית המשקולות הפתוחות, התשובה היא Drama 3 בשתי הזירות ובהגייה, וטיעון המחיר תקף רק לשבועיים הקרובים.
