Fish Audio Drama 3 Preview staat bovenaan de Open-Weights Speech Arena

Fish Audio Drama 3 Preview is het model dat Fish Audio op 13 oktober 2026 publiceerde, en tegen de volgende ochtend had het de eerste plaats ingenomen onder open-weight-systemen op de text-to-speech-ranglijst van Artificial Analysis. Wat die positie een tweede blik waard maakt, is niet de piek — het is de prijs die eraan hangt. De notering heeft een lijsttarief van $15,00 per miljoen tekens, terwijl elk model dat in de buurt staat op de ranglijst twee tot vijf keer meer kost, en de twee modellen direct erboven op de ranglijst, ElevenLabs Eleven v4 Turbo en ElevenLabs Eleven v4, zijn gesloten systemen met een prijsstelling per teken die de verkeerde kant op schaalt voor iedereen die longform-audio produceert.

Op de Provider Voice Arena van het leaderboard, waar de eigen stemmen van elke leverancier het tegen elkaar opnemen, staat Fish Audio Drama 3 Preview op positie 10 met een Elo van 1.243. Dat is achter het ElevenLabs-duo op 1.330 en 1.328, achter Cartesia Sonic 3.6 op 1.286, achter Qwen-Audio-3.1-TTS-Plus op 1.300 en Qwen-Audio-3.0-TTS-Plus op 1.268, en achter Gemini 3.8 Flash TTS op 1.274. Het staat vóór de tweede open-weights-inzending, Breeze TTS 2, die op 1.221 staat en $34,00 per miljoen tekens kost — iets meer dan het dubbele van het tarief van Drama 3 Preview. Van de 97 modellen op dat bord zijn er 17 open weights, en de nieuwe preview van Fish Audio is daarvan de hoogst gerangschikte.

Lees het getal met de bijbehorende foutbalken. Het door de ranglijst gerapporteerde interval voor de inzending loopt van 1.226,8 tot 1.258,8, ongeveer 1.857 blinde vergelijkingen, verdeeld over 8 arena-stemmen. Tegenover Breeze TTS 2 is het verschil comfortabel. Tegenover Speechify Simba 3.2 op 1.245 en $ 6,60 is dat niet het geval — dat is een verschil van 2 punten met overlappende intervallen, en niemand zou daar een aankoopbeslissing op moeten baseren. De eerlijke samenvatting is dat Drama 3 Preview een open-weightsmodel in de top tien heeft gezet van een ranglijst waar het voorheen niets te zoeken had, en dat deed het tegen een prijs in het middensegment.

Wat het model eigenlijk is

Fish Audio beschrijft Drama 3 Preview als een mixture-of-experts-model met 35 miljard parameters, waarvan ongeveer 3 miljard parameters actief zijn per token. Het gebruikt een hybride attention-stack — Gated DeltaNet gecombineerd met gated full attention — gekoppeld aan een codebook-MTP-decoder en een op DAC gebaseerde tokenizer die op 44,1 kHz draait. Gedeeltelijke codebookfusie voert alleen de eerste twee codebooks terug in de lus. De training doorliep drie pre-trainingsfasen, daarna instruction fine-tuning, en vervolgens reinforcement learning tegen één rewardmodel voor menselijke voorkeuren zonder rule-based reward shaping.

De doorvoerclaim die ermee gepaard gaat, is het deel waar professionals het meest om zullen geven: Fish Audio rapporteert 271 frames per seconde op één enkele H200, tegenover 177 voor het S2-model dat het opvolgt, ondanks dat het veel meer parameters heeft. Dit is een leverancierscijfer, geen geverifieerde benchmark, en het zal variëren met batching en sequentielengte — maar de richting klopt met een sparse-architectuur die doet waarvoor sparse architecturen bedoeld zijn.

Het API-oppervlak is ongewijzigd ten opzichte van het S2.1 Pro-endpoint. Verzoeken gaan naar POST https://api.fish.audio/v1/tts, en een verzoek waarin het veld model ontbreekt of dat een model noemt dat de service niet herkent, valt terug op s2.1-pro in plaats van een foutmelding te geven. Die terugvaloptie is handig en het is goed om ervan op de hoogte te zijn, want het betekent dat een typefout in de modelnaam audio oplevert die plausibel klinkt maar in de verkeerde stem, in plaats van een 400.

Regiecontrole, dialoog in één take en reparatie van één woord

Drie mogelijkheden onderscheiden deze release van de vorige generatie, en alle drie zijn gericht op gescript productiewerk in plaats van livegesprekken.

• Aansturing in natuurlijke taal. In plaats van een vaste set tags accepteert het model instructies in gewone bewoordingen, zoals [zenuwachtig, houdt het nog maar net vol] of [warm en ontspannen, alsof je met een oude vriend praat], en het kan emotie of voordracht midden in een zin veranderen zonder een nieuwe take te genereren. Gepaarde inline-tags zoals <whisper>…</whisper> en cues zoals [sigh] gelden alleen voor de tekst die ze omsluiten, zodat een regel halverwege van register kan wisselen door de constructie zelf in plaats van door toeval.

• Dialoog met meerdere sprekers in één enkele doorgang. Elk personage behoudt zijn eigen stem binnen één generatie, wat de montagestap wegneemt die normaal tussen een TTS-model en een afgewerkte scène zit. Voor hoorspelen en gamedialoog is dit het verschil tussen een pipeline en een onderzoeksproject.

• Audio-inpainting. Een segment kan opnieuw worden geselecteerd, voorzien van een nieuwe instructie en afzonderlijk opnieuw worden gegenereerd, de workflowoplossing voor dat ene verkeerd uitgesproken woord dat voorheen een volledige her-render kostte. Fish Audio vermeldt de interactieve bewerkingservaring, de inpainting-tool en een bewerkings-API als alleen op uitnodiging of binnenkort beschikbaar, dus de mogelijkheid bestaat, maar de interface is nog niet algemeen toegankelijk.

Fish Audio claimt ook 83 talen, met taalconsistentie bij lange scripts en bij wisselingen midden in een scène, controle over de uitspraak op foneemniveau in het Engels, Chinees, Japans, Koreaans en verschillende andere talen, en stemklonen in S2-stijl op basis van referentieclips van ongeveer 10 tot 30 seconden. De lanceringsdemo gebruikte een Uncle Roger-stemkloon waarvan het bedrijf zegt dat die met toestemming is gemaakt en gebruikt.

De bewering over de uitspraak, en waar die vandaan komt

De aankondiging van Fish Audio stelt dat Drama 3 Preview in totaal 93,2% scoort op een Artificial Analysis Pronunciation Robustness-ranglijst en daar de eerste plaats inneemt, vóór ElevenLabs Eleven v4 en Eleven v4 Turbo. De deelscores die het publiceert, zijn 95,9% op namen, merken en technische termen tegenover 87,3% voor Fish Audio S2.1 Pro; 95,3% op contextafhankelijke woorden tegenover 86,1%; 93,6% op getallen, datums en eenheden tegenover 92,7%; en 86,3% op codes, paden en e-mailadressen tegenover 79,4%.

Die cijfers komen uit de eigen aankondiging van Fish Audio. Toen ik op zoek ging naar het leaderboard om de scores per model rechtstreeks te lezen, gaven de paden voor uitspraakrobuustheid 404's terug en het leaderboard-oppervlak dat ik kon laden, gaf de Elo-rangschikking weer zonder dat er een citeerbaar uitspraakcijfer per model aan vastzat. Elk cijfer in de bovenstaande alinea is daarom door de leverancier gerapporteerd en moet als zodanig worden gelabeld in elke presentatie die het gebruikt. De Elo-cijfers elders in dit artikel zijn anders: die heb ik van het leaderboard afgelezen, en ze dragen de eigen betrouwbaarheidsintervallen van het leaderboard.

De onderliggende klacht waarop de claim betrekking heeft, is reëel, ongeacht op wiens cijfer je vertrouwt. De uitspraak van eigennamen, productcodes en bestandspaden is de faalmodus die teams terug naar menselijke stemacteurs duwt, en het is degene die de meeste TTS-leveranciers het traagst hebben verholpen, omdat het geen prosodieprobleem is. Een model dat 86,3% van codes, paden en e-mails aankan tegenover 79,4% voor een voorganger, is nog steeds ongeveer één op de zeven keer fout.

Wat betekent "open weights" onder deze licentie?

Fish Audio Drama 3 Preview wordt uitgebracht onder de Fish Audio Community License v1.0. Lees de voorwaarden voordat u uw plannen erop baseert. De licentie is gratis voor onderzoek en niet-commercieel gebruik, en is gratis voor commercieel gebruik als u en uw gelieerde ondernemingen onder US$500,000 aan jaarlijkse omzet blijven. Boven die drempel — of als u het model wilt aanbieden als tekst-naar-spraak-, stemklonerings- of inferentiedienst, ongeacht de omvang — hebt u een licentie van Fish Audio nodig. De S2-lijn blijft onder een afzonderlijke Research License vallen. Het klonen van de stem van een echt persoon zonder toestemming is ronduit verboden.

De commerciële drempel wordt onafhankelijk bevestigd: het Artificial Analysis-board markeert de vermelding als open gewichten zonder rechten voor commercieel gebruik, wat consistent is met een licentie met een omzetdrempel in plaats van een onbeperkte licentie. Als je een kleine studio bent, zijn open gewichten onder deze licentie een echte optie. Als je een platform bent dat inferentie doorverkoopt, zijn het geen open gewichten in de zin die je hoopte.

Prijzen en de introductieaanbieding

De API-lijstprijs is $50 per miljoen tekens, met 80% korting naar $10 per miljoen van 13 oktober tot en met 12 november 2026. Creator-credits zijn gelijk aan die van S2.1 Pro, en de nieuwe abonnementen Plus, Pro en Max zijn in dezelfde periode voor de halve prijs. Artificial Analysis registreert de leaderboardprijs als $15,00 per miljoen tekens onder standaardinstellingen; dat is het getal dat je moet gebruiken bij het vergelijken met andere vermeldingen op dat leaderboard, in plaats van met de eigen tariefkaart van Fish Audio.

Het promotievenster is het onderdeel met een echte deadline. Bij $10 per miljoen tekens onderbiedt Drama 3 Preview vrijwel elk concurrerend model op het leaderboard met een ruime marge. Bij $50 is het duurder dan Cartesia Sonic 3.6 tegen $49 en ver boven Qwen-Audio-3.0-TTS-Plus tegen $19,30. Wie een kostenmodel bouwt op basis van het kortingstarief, zou een tweede moeten bouwen op basis van het lijsttarief en controleren of het project nog steeds werkt.

Waar dit past in een productiestack

Geschreven audio die één keer wordt gerenderd, is de sweet spot: audioboeken, hoorspelen, dialoog voor games en animatie, korte video's. De generatie met meerdere sprekers in één doorgang en de inpainting-workflow bestaan beide om dat soort werk te ondersteunen, en de prijsstelling is per teken in plaats van per minuut, wat lange scripts bevoordeelt. Interactieve bewerking en de bewerkings-API zijn nog niet algemeen beschikbaar, dus een workflow die daarvan afhangt, is een workflow die afhangt van een uitnodiging.

De operationele vraag die daarna komt, is routing, en die is voor spraak lastiger dan voor tekst. Fish Audio Drama 3 Preview is vandaag niet een van de modellen op OrcaRouter. Het is bereikbaar via de eigen API van de leverancier en via diverse platformen van derden. Hetzelfde geldt voor de meeste van de hierboven vergeleken modellen — de top tien van het spraakklassement bestaat uit leveranciersspecifieke endpoints met leveranciersspecifieke authenticatie, en elk daarvan is een eigen integratie en een eigen storingsdomein. OrcaRouter's ~200 modellen achter één sleutel tegen de lijstprijs van de provider, zonder markup dekt tekst-, visie- en redeneerwerk, en de automatische failover bestaat juist voor het geval waarin het endpoint van één provider halverwege een run verslechtert. Het praktische patroon voor een productie-spraakpad is om de spraakleverancier direct te houden en alles wat die orkestreert — de samenvatting, de vertaalslag, de bouwer van het uitspraakwoordenboek, de QA-classifier — achter één gerouteerd endpoint te houden, zodat een failover daar niet de renderpijplijn meesleept.

Kortom

Fish Audio Drama 3 Preview is een echt resultaat en geen artefact van de lanceerweek: plaats 10 op de Provider Voice Arena met een Elo van 1.243, eerste van de 17 open-weights-inzendingen op de ranglijst, tegen $15,00 per miljoen tekens versus $34 voor het eerstvolgende open-weights-model daaronder. De afstanden tot de top van de ranglijst zijn nog steeds groot en de betrouwbaarheidsintervallen overlappen met die van de naaste buren, dus de open-weights-kroon is een uitgangspositie, geen voorsprong. Het uitspraakpercentage van 93,2% is afkomstig van de leverancier zelf en kon niet onafhankelijk van de ranglijst worden afgelezen. De licentie heeft een omzetplafond van US$500.000 voor commercieel gebruik, waardoor het voor sommige teams volledig afvalt. En het tarief van $10 verloopt op 12 november 2026.

Voor een studio die gescripte audio op grote schaal produceert, is de combinatie van generatie met meerdere sprekers in één pass, inpainting van één woord en een open-weights-licentie onder de omzetdrempel het sterkste argument hier — sterker dan de positie op de ranglijst die de krantenkoppen zal halen.

Ook bij modelkeuzes zoals deze komen de faalmodi naar voren: de gedocumenteerde AI-incidenten en agentfouten achter modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernstgraad, betrouwbaarheidsgraad en betwistingsmarkering bevat.