AssemblyAI-TTS-1 vs Fish Audio Drama 3: Een afrekenknop tegen een download van 41,5 GB

Het eerste dat je over AssemblyAI-TTS-1 versus Fish Audio Drama 3moet begrijpen, is dat een van de twee een bestand is. Drama 3, uitgebracht op 13 oktober 2026, is een spraakmodel met 35 miljard parameters op basis van mixture-of-experts, gepubliceerd op Hugging Face als fishaudio/drama-3 — ongeveer 41,5 GB aan gewichten voordat je er een codec bij optelt, en circa 48 GB VRAM om het in FP8 te draaien. AssemblyAI-TTS-1, algemeen beschikbaar sinds 27 oktober 2026 voor $ 15 per miljoen tekens, is een HTTPS-endpoint in US-East of EU-North dat in minder dan een tiende van een seconde antwoordt en je om niets anders dan tekst vraagt. Elke vergelijking tussen beide die met Elo-scores begint, begint op de verkeerde plek, omdat de twee producten door een operationele keuze worden gescheiden voordat ze door een kwaliteitskeuze worden gescheiden.

Wat je voor $15 koopt, en wat je voor 41,5 gigabyte koopt

De kant van AssemblyAI-TTS-1 is kort te beschrijven. Een vast tarief van $15 per miljoen invoertekens voor alle meer dan 4.000 stemmen in de bibliotheek, direct klonen vanaf een sample van 24 seconden, woordtijdstempels, zes talen bij de lancering (Engels, Spaans, Frans, Duits, Italiaans, Portugees), verwerking in de VS of de EU, WebSocket- en HTTP-endpoints plus een OpenAI-compatibele route, een annuleringsbericht voor barge-in, en onbeperkte gelijktijdigheid zonder dat daar kosten aan hangen. Geen SSML, geen snelheidsparameter, geen uitspraakwoordenboek, geen emotietags, geen professionele kloningslaag.

De Drama 3-kant is een heel ander soort product. Het is een 35B MoE met ongeveer 3 miljard actieve parameters per token, geïnitialiseerd vanuit Qwen3.5-35B-A3B, 40 lagen, 8 van 256 routed experts plus één gedeelde — waardoor het expressief kan klinken en toch op één accelerator past. Het ondersteunt 83 talen, klont stemmen, verwerkt tot 16 sprekers in één keer en accepteert regieaanwijzingen in natuurlijke taal tussen blokhaken, zoals [sighs], waar het model op acteert. Volgens Fish' eigen modelkaart is het ook gebouwd voor gerichte performance: dubbing, narratie, scènes met meerdere personages. De telefonieloop van onder de 100 ms is niet waarvoor het is getuned.

Dat onderscheid is geen kritiek op een van beide. Het is juist de reden dat deze vergelijking überhaupt bestaat: Drama 3 is het enige model in deze serie dat je volledig zelf kunt bezitten, en AssemblyAI-TTS-1 is het enige in deze serie dat je deze middag zonder een GPU te kopen aan een telefonische klant kunt voorleggen.

De wiskunde achter de gelijktijdigheid is het echte argument.

Beide leveranciers publiceren een latentiegetal, en geen van beide is direct vergelijkbaar. Behandel het volgende daarom als twee aparte claims en niet als een directe vergelijking.

• Drama 3, modelkaart van de leverancier — 88,9 ms mediane tijd tot eerste audio bij een enkele stream op één H200, realtimefactor 0,131, 271 frames per seconde. Ondersteuning voor serving was binnen enkele dagen na release beschikbaar en dezelfde hardware levert een mediane tijd tot eerste audio van 255 ms bij 128 gelijktijdige streams, of ongeveer 222 seconden audio per werkelijke seconde.

• AssemblyAI-TTS-1, leverancierslab — 47 ms mediane tijd tot eerste byte; onafhankelijk gemeten door Cekura op 159 ms mediane streaming-opstart en 296 ms bij p90, met een doorvoer van 162 tekens per seconde in de meting van Artificial Analysis.

Kijk wat er met het Drama 3-getal gebeurt als de belasting toeneemt: 88,9 ms alleen, 255 ms bij 128 streams. Dat is een heel behoorlijke curve voor een dubbingpipeline en een marginale voor een callcenter, waar elke milliseconde voordat de caller iets hoort een milliseconde dode lucht is. AssemblyAI's tegenclaim is geen sneller getal, het is de afwezigheid van een curve — onbeperkte gelijktijdigheid tegen één vast tarief, omdat het planningsprobleem bij de leverancier ligt en je het nooit ziet. Of die belofte je eigen verkeer overleeft, is precies het ding om te testen, want een claim van onbeperkte gelijktijdigheid zonder gepubliceerd wachtrijgedrag is een claim over andermans cluster.

Twee facturen die niet in dezelfde eenheden zijn

Fish vermeldt Drama 3 voor $50,00 per miljoen UTF-8-bytes, wat volgens de eigen documentatie van de leverancier overeenkomt met ongeveer twaalf uur spraak — circa $4,17 per uur audio. Er is een introductiepromotie voor $10,00 per miljoen bytes, ongeveer $0,83 per uur, die loopt tot en met 12 november 2026. AssemblyAI-TTS-1 voor $15 per miljoen tekens komt neer op ongeveer $0,81 per uur spraak, met dezelfde gunstige aanname van ongeveer 900 tekens per minuut bij normale conversatie-audio.

Tijdens de promotie schelen de twee in prijs dus niet meer dan een afrondingsfout, en tegen listprijs is Fish ongeveer vijf keer duurder per uur output — en dat is nog vóór je de H200 koopt. Self-hosting neemt de kosten niet weg; het zet een factuur per teken om in een factuur per GPU-uur plus iemand die weet hoe je het moet serveren.

Twee valkuilen verdienen het om genoemd te worden, omdat je er gemakkelijk in valt.

• Tekens zijn geen bytes. Fish factureert per UTF-8-byte, AssemblyAI per teken. Engelse tekst zit dicht bij één byte per teken, waardoor de twee vergelijkbaar lijken; Japanse, Arabische of emoji-rijke schriften blazen het aantal bytes op en verhogen ongemerkt de Drama 3-factuur met 30–100% voor hetzelfde script.

• Een ontbrekende modelheader levert geen duidelijke fout op. Fish' eigen documentatie vermeldt dat een ontbrekende of verkeerd gespelde modelidentificatie terugvalt op s2.1-pro tegen $15,00 per miljoen bytes — een toeslag van 50% op het promotietarief van Drama 3, voor een ander model, zonder foutmelding in de respons.

Er is een derde getal in omloop, en het is het vermelden waard omdat je het op een leaderboard zult tegenkomen. De prijskolom van Artificial Analysis vermeldt Drama 3 op $15,0 per miljoen tekens, wat niet overeenkomt met Fish' $50 per miljoen bytes of met de promotionele $10. Drie cijfers — lijstprijs, promotie, normalisatie door het leaderboard — en alleen de eerste twee komen van de leverancier. Het getal van het leaderboard is een vergelijkingseenheid, geen prijsopgave.

De licentiepoort onderaan de post

Drama 3 is geen open source in de zin die de meeste teams veronderstellen. Het wordt uitgebracht onder de Fish Audio Community License v1.0: commercieel gebruik is gratis onder een jaarlijkse omzet van US$ 500.000, daarboven geldt een afzonderlijke licentie, en het doorverkopen van het model als gehoste TTS-API vereist een eigen overeenkomst, ongeacht de omvang. Artificial Analysis registreert het als open weights zonder volledige rechten voor commercieel gebruik, wat de juiste beschrijving is.

AssemblyAI-TTS-1 heeft een dergelijke beperking niet, omdat het geen weights heeft — je kunt het niet zelf hosten, niet fine-tunen en niet draaiend houden als de leverancier zijn prijs wijzigt. Dat is de trade-off die niemand in een vergelijkingstabel zet: de licentie van Drama 3 beperkt wat je met het model kunt doen, en de architectuur van AssemblyAI-TTS-1 beperkt wat je zonder de leverancier kunt doen.

De kwaliteitskloof, eenmalig verwoord

Op Artificial Analysis' Provider Voice Arena — gelezen op 30 oktober 2026, dus dezelfde run voor beide — staat Drama 3 zesde met 1.278 Elo en AssemblyAI-TTS-1 veertiende met 1.227. Op de Controlled Voice Arena staat Drama 3 twaalfde met 1.085 en AssemblyAI-TTS-1 tiende met 1.110, wat de orde omkeert en je vertelt dat de twee ranglijsten verschillende dingen meten: standaardstemmen in de eerste, cloninggetrouwheid tegen een vaste referentie in de tweede. Drama 3 staat van de twee hoger op natuurlijke stem, en de twee liggen binnen de ruis van elkaar zodra de referentieopname constant wordt gehouden.

Het cijfer dat ze het scherpst van elkaar onderscheidt, is de robuustheid van de uitspraak, waar Drama 3 het klassement onbetwist aanvoert — bronnen plaatsen het cijfer ergens tussen ongeveer 93% en 95%, afhankelijk van wanneer de pagina werd gelezen, dus behandel de rangorde als het feit en de decimaal als versiering. AssemblyAI-TTS-1 scoort 81,7% op hetzelfde instrument, op de zestiende plaats, met zijn zwakste subscore bij het uitschrijven van afkortingen op 73,8%. Als je invoer vol afkortingen staat, verwerkt Drama 3 ze zonder woordenboek. Als je invoer een voorgelezen telefoonnummer is, zet de onafhankelijke test van Cekura AssemblyAI-TTS-1 op de eerste plaats in zijn vakgebied, met 91,7% in precies die categorie.

De eigen benchmark van geen van beide leveranciers mag als onafhankelijk worden beschouwd. AssemblyAI's 99,0% woordnauwkeurigheid, 3,85 voorspelde MOS en 85,5 TTSDS-score komen uit zijn eigen harness op zijn eigen held-out sets; Fish's 88,9 ms en 271 frames per seconde komen uit zijn eigen modelkaart. De metingen van derden — Artificial Analysis, Cekura, Coval — zijn de enige in dit artikel die zijn uitgevoerd door iemand die geen product te verkopen heeft.

Kies op basis van wat je kunt bedienen, niet op basis van wat hoger in de ranglijst staat.

Er zijn precies drie situaties waarin Drama 3 het juiste antwoord is. Je hebt expressieve, geregisseerde uitvoering nodig met toneelaanwijzingen en meerdere sprekers in één keer — geen discussie, AssemblyAI-TTS-1 heeft geen equivalent. Je hebt een taal nodig buiten de zes waarmee AssemblyAI van start ging — 83 tegen 6, en daar eindigt de vergelijking. Of je hebt het model op je eigen hardware nodig om redenen van dataresidentie die een leveranciersregio in de VS of EU niet biedt — wat een echte eis is voor sommige gereguleerde workloads en de enige rechtvaardiging voor de GPU.

Alle anderen kopen een telefonieagent, en een telefonieagent wil een vaste factuur, geen wachtrij achter andermans H200, en een uitspraakprobleem dat hij kan oplossen. AssemblyAI-TTS-1 geeft je de eerste twee en geeft je de derde nog niet. Dat is de eerlijke stand van zaken: Drama 3 is het betere model en het slechtere product voor deze taak.

Het praktische compromis waar de meeste teams op uitkomen, is beide — Drama 3 voor de gegenereerde audio die je als content uitlevert, AssemblyAI-TTS-1 voor de beurt-voor-beurt-spraak in de live-loop, met één terugvalpad tussen beide. Een tweede TTS-leverancier aangesloten houden is dezelfde discipline die OrcaRouter toepast op het taalmodeldeel van die stack: één API voor meer dan 200 modellen tegen de listprijs van de provider met 0% markup, automatische failover wanneer een provider verslechtert, en een routing-DSL waarmee één endpoint meerdere modellen kan bedienen in plaats van meerdere contracten. Geen van deze twee spraakmodellen staat vandaag in de OrcaRouter-catalogus — de spraakroutes die wij aanbieden zijn OpenAI's tts-1-familie en Google's Gemini TTS-previews — lees dat dus als de opzet van het argument, niet als de suggestie dat je Drama 3 hier kunt kopen.

Wat dit oordeel zou veranderen: dat Fish een gelijktijdigheidscurve publiceert die bij callcentervolume onder 150 ms blijft, of dat AssemblyAI een uitspraakwoordenboek en vier extra talen toevoegt. Let vooral eerst op het tweede. Het is een configuratiewijziging, en het bedrijf dat een vlak tarief van $15 heeft ingevoerd, heeft al laten zien dat het liever concurreert op de factuur.