Fish Audio Drama 3 houdt nu beide spraakarena's tegelijk — en geen van beide getallen is het getal dat je vorige week zag.

De ranglijst bevat twee records voor één product. Fish Audio Drama 3 staat op de zesde plaats in de Artificial Analysis Provider Voice Arena met een Elo van 1.278 en op de twaalfde plaats in de Controlled Voice Arena met 1.085, en op beide ranglijsten is het het hoogst gerangschikte open-weights-model in de tabel. Het record met het label Fish Audio Drama 3 Preview — degene die de persaandacht kreeg toen Fish Audio het op 13 oktober 2026 publiceerde — staat nog steeds afzonderlijk vermeld, met 1.240 en 1.063. Dat is een verschil van 38 punten op de ene ranglijst en 22 op de andere, voor wat de productpagina van de leverancier zelf één model onder twee namen noemt. Als je de afgelopen twee weken een Drama 3-Elo hebt geciteerd, is dit het stuk dat je vertelt welke van de twee je hebt geciteerd.

Wat de boards vandaag eigenlijk zeggen

Beide cijfers zijn op 2026-10-29 afgelezen uit Artificial Analysis, en beide hebben dezelfde door de ranglijst geregistreerde $15,00 per miljoen tekens, dus het verschil van 38 punten is geen prijsverandering — het zijn twee evaluaties van twee gearchiveerde toestanden van hetzelfde model. De ranglijsten voor providerstemmen boven Drama 3 zijn allemaal gesloten systemen: Eleven v4 Turbo op 1.336 en $40,00, Eleven v4 op 1.334 en $80,00, Qwen-Audio-3.1-TTS-Plus op 1.305 en $19,30, Cartesia Sonic 3.6 op 1.296 en $49,00, en Google Gemini 3.8 Flash TTS op 1.283 en $16,50. Elk van deze kost per miljoen tekens meer dan de Fish Audio-vermelding die direct onder hen gerangschikt staat.

De controlled-voice-ranglijst is waar de twee Drama 3-records in rang het scherpst uiteenlopen, en waar de open-weights-claim het gemakkelijkst te controleren is, omdat alle modellen daar worden beoordeeld op dezelfde vaste referentiestemmen en niet op de eigen catalogus van elke leverancier. Volledige spreiding voor de open-weights-inzendingen per vandaag:

Providerstem — Fish Audio Drama 3 1.278 (#6); Fish Audio Drama 3 Preview 1.240 (#12); Breeze TTS 2 1.228 (#13); Voxtral 3 TTS 1.223 (#15).

• Gecontroleerde stem — Fish Audio Drama 3 1.085 (#12); Ming-3.0-tts 1.068 (#17); Fish Audio Drama 3 Preview 1.063 (#20); Breeze TTS 2 1.021 (#28).

• De kloof die ertoe doet — bij gecontroleerde stemmen staat Drama 3 nog steeds achter Eleven v4 (1.156, #4) en Inworld Realtime TTS-2 (1.146, #7), terwijl Google Gemini 3.8 Flash TTS (1.053, #24) eronder staat, maar de gesloten systemen aan de top van die ranglijst zijn niet vier punten verwijderd, maar zeventig punten. HeyGen Voice leidt met 1.193.

Twee dingen volgen hieruit. Ten eerste: "eerste onder de open weights" geldt vandaag op beide arena's en het is op geen van beide een gelijkspel. Ten tweede: de marge op het gecontroleerde bord — 17 Elo boven Ming-3.0-tts bij een vijfde van het aantal parameters — valt binnen het bereik waarin een paar duizend stemmen de orde kunnen veranderen, dus behandel die als een voorsprong en niet als een zekerheid.

De uitspraakscore is een gedeelde eerste plaats, geen ongedeelde.

De aankondiging van Fish Audio citeert 93,2% op de English Pronunciation Robustness-benchmark van Artificial Analysis, tegenover 88,1% voor de eerdere S2.1 Pro, en noemt dit de hoogste score op de ranglijst. Dat was correct toen de score op 2026-10-20 werd gepubliceerd, met een voorbehoud dat de marketingtekst weglaat: Ming-3.0-tts van Ant Group bereikte dezelfde 93,2%, waardoor de ranglijst onder de 31 beoordeelde modellen een gedeelde eerste plaats laat zien, niet één enkele leider. Eleven v4 staat op 91,7% en Eleven v4 Turbo op 90,1%.

Het samengevoegde cijfer verbergt een echte afweging. De kracht van Drama 3 ligt in eigennamen en contextafhankelijke woorden: 95,9% bij losstaande termen zoals merken, plaatsnamen en technische namen, en 95,3% bij woorden die afhankelijk van de zin anders worden gelezen. De zwakte is alles wat teken voor teken moet worden weergegeven: 86,3% bij codes, paden en e-mailadressen, waar Ming 90,6% bereikt. De enige categorie waarin Drama 3 het ronduit verliest, is het uitschrijven van verkortingen — getallen, datums en eenheden — met 93,6% tegenover 94,1% voor Eleven v4. Als je pipeline bestelnummers, onderdeelcodes of trackingstrings voorleest, is het hoofdtarief van 93,2% het verkeerde getal om op te plannen; 86,3% is het juiste.

Wat er op 2026-10-13 is uitgebracht, en wat zestien dagen veranderen

Niets hiervan is een lancering, en het zou ook niet als zodanig gemeld moeten worden. Fish Audio heeft het model op 2026-10-13 in zijn webapp, zijn iOS- en Android-apps en zijn API geplaatst, met als API-model-id "drama-3". Wat er in de afgelopen twee weken nieuw is, is de onafhankelijke scoring van het retailmodel, niet het bestaan van het model. De praktische gevolgen van dat onderscheid verdienen het om expliciet te worden vermeld, omdat de eerdere berichtgeving over dit model — ook op dit blog — geschreven is op basis van de Preview-gegevens.

De architectuur is niet veranderd tussen de twee records: een mixture-of-experts met 35 miljard parameters, geïnitialiseerd vanuit Qwen3.5-35B-A3B, met ongeveer 3 miljard parameters actief per token en 8 van de 256 gerouteerde experts plus één gedeelde expert die actief zijn. Veertig lagen, gerangschikt in herhalende blokken van drie Gated DeltaNet-lagen en één gated full-attention-laag, zodat slechts één op de vier lagen een KV-cache bijhoudt. De decoder is een codebook-MTP-ontwerp — vier gedeelde lagen voeden negen full-width-lagen, één per akoestisch codebook — en alleen codebooks 0 en 1 worden teruggevoerd in de backbone. De tokenizer is dezelfde Descript Audio Codec-opzet die S2 gebruikte: 44,1 kHz, tien codebooks, ongeveer 21,5 frames per seconde, volledig causaal. Eén kleine inconsistentie is het vermelden waard, omdat ze iedereen die de twee bronnen vergelijkt in verwarring zal brengen: de aankondiging van Fish Audio zegt 35 miljard parameters, en de Hugging Face-modelkaart meldt een modelgrootte van 36B. Het verschil is waarschijnlijk een afrondings- of embedding-telconventie rather than a different checkpoint, maar de twee getallen zijn wat je op elk van beide plekken zult vinden.

De doorvoer op een enkele H200 is een leverancierscijfer van 271 frames per seconde, tegenover 177 voor S2 — dat is wat een 35B MoE met een 3B actief pad je volgens de verwachting oplevert. Het serveren gebeurt via SGLang-Omni. De gewichten staan op Hugging Face als fishaudio/drama-3 — ongeveer 40 GB verspreid over een reeks safetensors-shards plus een apart codecbestand — en FP8-inferentie vraagt ruwweg 48 GB VRAM, waarbij geen CPU- of ROCm-pad gedocumenteerd is. Die laatste beperking is de bepalende factor voor de meeste self-hostingvragen, en ze is het onderwerp van de Breeze TTS 2-vergelijking, niet van deze.

Drie prijzen, en de kaart is niet de kaart waarmee je rekening moet houden.

Hier moet de bronvermelding expliciet zijn, omdat er drie getallen in omloop zijn en twee daarvan niet zijn wat ze lijken. Artificial Analysis vermeldt $15,00 per miljoen tekens voor beide Drama 3-vermeldingen. De eigen aankondigingspagina van Fish Audio noemt een lijstprijs van $50,00 per miljoen tekens met een introductietarief van $10,00, 80% korting, tot en met 2026-11-12. En de ontwikkelaarsdocumentatie van Fish Audio rekent af in een volledig andere, derde eenheid: per miljoen UTF-8-bytes, met drama-3 op $50,00, s2.1-pro op $15,00 en het introductietarief op $10,00 tot 2026-11-12 09:00 PT. Engels zit dicht bij één byte per teken, dus de cijfers per byte en per teken zijn voor Engelse tekst ruwweg uitwisselbaar en lopen sterk uiteen voor schriften waarin een glyph meer dan één byte kost.

De $15,00 op de ranglijst verdient een tweede blik, niet een schouderophalen, want het is exact het lijsttarief van s2.1-pro, het vorige model van Fish Audio, en niet het tarief van het model dat wordt beoordeeld. Ofwel heeft de ranglijst een gemengd of overgedragen cijfer vastgelegd, ofwel heeft ze het model geprijsd tegen een tarief dat Fish Audio daarvoor niet publiceert. Het getal waarop je moet budgetteren, is het getal in de eigen prijstabel van Fish Audio: $50,00 per miljoen UTF-8-bytes op lijstprijs, wat de documentatie van de provider gelijkstelt aan ongeveer 180.000 Engelse woorden, of ruwweg twaalf uur spraak — noem het $4,17 per voltooid audiouur. Een introductiekorting die binnen twee weken vervalt, is geen tariefkaart; bij $10,00 kost dezelfde twaalf uur ongeveer $0,83.

Licentie: open gewichten, geen open source, en één clausule die veel bepaalt.

De gewichten zijn gepubliceerd onder de Fish Audio Community License v1.0. Onderzoek en niet-commercieel gebruik zijn gratis. Commercieel gebruik is gratis als u en uw gelieerde ondernemingen onder US$500,000 aan jaarlijkse omzet blijven; daarboven, of als u Drama 3 wilt aanbieden als tekst-naar-spraak-, stemkloon- of inferencedienst, hebt u een aparte licentie van Fish Audio nodig. De licentie verbiedt ook het klonen van de stem van een echt persoon zonder toestemming, en in de FAQ van Fish Audio wordt "het maken van voltooide audio voor klanten" als toegestaan behandeld; dat is de clausule die van belang is voor agentschappen en postproductiehuizen. S2 valt nog steeds onder de strengere Research License, dus de twee generaties zijn niet onderling uitwisselbaar in een commerciële implementatie.

Artificial Analysis vermeldt het model als open weights zonder volledige rechten voor commercieel gebruik. Dat is de eerlijke beschrijving: je kunt het downloaden en uitvoeren, maar je kunt niet per se toegang tot het model verkopen. Iedereen die op basis van deze weights een gehost product wil aanbieden, moet de serviceclausule lezen voordat hij de factureringspagina bouwt, niet daarna.

Wat dit betekent voor een productiepipeline

Dat het resultaat over de twee arena's een blogpost waard is en niet slechts een voetnoot, komt omdat het verandert wat een team mag aannemen. Zestien dagen geleden was de verdedigbare uitspraak dat een model met open gewichten de top tien van een voorkeursleaderboard had bereikt en op basis van zijn eigen evaluatie aanspraak maakte op een voorsprong in uitspraak. Vandaag is het onafhankelijke oordeel narrower en sterker: het is het beste model met open gewichten op beide arena's, het deelt de eerste plaats op uitspraak rather dan die alleen te bezitten, en het doet dat tegen een mid-tier tarief met gewichten die iedereen kan downloaden.

Drama 3 is geen van de modellen op OrcaRouter. Het is bereikbaar via Fish Audio's eigen API en diverse platforms van derden, en een stuk dat iets anders zou voorgeven, zou je misleiden over het enige waarvoor deze blog bestaat. Wat wij doen is de andere helft van het probleem: de ~200 modellen achter één sleutel tegen de lijstprijs van de provider, zonder opslag, automatische failover, de routing-DSL en modelfusie zijn hoe een pipeline die al andere leveranciers aanroept een model als dit opneemt zonder een tweede contract en een tweede SDK. Als Drama 3 de vertelstem wordt op een renderwachtrij en die wachtrij heeft een deadline, dan is de waarde van alles via één endpoint routeren dat er al een retry-pad bestaat.

Waar je de komende twee weken op moet letten, in de orde van hoeveel het het beeld zou veranderen: of het gat van 22 punten tussen de twee Drama 3-records sluit of groter wordt terwijl meer stemmen bij de retail-inzending binnenkomen; of Ming-3.0-tts op uitspraak vooruitgaat zodra zijn score voor eigennamen op de 21e plaats opnieuw wordt gemeten met een groter aantal spans; en of iemand buiten Fish Audio de 271 frames per seconde reproduceert op hardware die geen H200 is. De arena-cijfers zijn vast genoeg om te citeren. Het doorvoercijfer is nog steeds een claim van de leverancier, en de licentie is nog steeds wat hoogstwaarschijnlijk zal beslissen of een team dit überhaupt kan gebruiken.