Fish Audio Drama 3 vs Eleven v4: het ene model wint de voorkeursstem, het andere wint de woorden

ElevenLabs Eleven v4 en Fish Audio Drama 3 zijn het oneens over waarvoor een text-to-speechscore eigenlijk dient. In de Provider Voice Arena van Artificial Analysis staat Eleven v4 tweede met een Elo van 1.334 en Drama 3 zesde met 1.278; in de Controlled Voice Arena, waar beide tegen dezelfde referentiestemmen worden beoordeeld, staat Eleven v4 vierde met 1.156 en Drama 3 twaalfde met 1.085. Dat zijn verschillen van 56 en 71 punten, beide ruim buiten de ruis, en beide zeggen hetzelfde: luisteraars prefereren Eleven v4. Dan vraagt hetzelfde lab menselijke beoordelaars of elk moeilijk woord in een zin daadwerkelijk correct werd uitgesproken, en Drama 3 scoort 93,2% tegenover 91,7% voor Eleven v4, waarbij de twee aan tegenovergestelde uiteinden staan van de categorie die bepaalt of een merknaam, een cijfer of een onderdeelcode intact uitkomt. Het voorkeursverschil is echt en het uitspraakverschil ook, en geen enkel getal verzoent ze.

De kloof die niet sluit, en de kloof die dat wel doet.

Begin met wat Eleven v4 niet heeft verloren. Het werd algemeen beschikbaar op 2026-09-28, vier weken nadat het model van Fish Audio uitkwam, en sindsdien heeft het bij elke ranglijstupdate de top twee posities voor providerstemmen vastgehouden. De huidige voorsprong op Drama 3 is 56 Elo bij providerstemmen en 71 bij gecontroleerde stemmen — en de gecontroleerde ranglijst is de zwaardere test, omdat daarbij de eigen stemcatalogus van elke leverancier uit de vergelijking verdwijnt. Wat de voorsprong van Drama 3 onder open-weights-modellen ook betekent, het betekent niet dat Drama 3 voor een blinde luisteraar beter klinkt dan Eleven v4, en elke vergelijking die anders suggereert, verkoopt iets.

Wat Drama 3 biedt, is de uitsplitsing per categorie op de English Pronunciation Robustness-benchmark van Artificial Analysis, waar 31 modellen worden gescoord en de top wordt gedeeld:

• Algemeen — Drama 3 93,2%, ex aequo op de eerste plaats met Ming-3.0-tts; Eleven v4 91,7%; Eleven v4 Turbo 90,1%.

• Losstaande termen (merken, plaatsen, technische namen) — Drama 3 95,9%, eerste op het scorebord; Eleven v4 daaronder.

Uitbreiden van verkortingen (getallen, datums, eenheden, notatie) — Eleven v4 94,1%, eerste; Drama 3 93,6%, tweede.

• Exacte reeksen (codes, paden, e-mails) behouden — Drama 3 86,3%, tweede op de ranglijst achter Ming-3.0-tts met 90,6%; Eleven v4 78,8%, wat met afstand zijn zwakste categorie is.

• Contextueel passend — Drama 3 95,3%; Google Gemini 3.8 Flash TTS leidt het volledige klassement met 98,0%.

Het patroon is bruikbaar. Als je script vooral proza is met een handjevol cijfers, is de shorthand-verwerking van Eleven v4 de betere, en het totale verschil is minder dan twee punten. Als je script SKU's, casenummers, URL's, deelcodes of e-mailadressen bevat die voorgelezen worden, is Eleven v4 het zwakste model in de topgroep op precies die categorie — 78,8% betekent grofweg dat een van de vijf exacte reeksen verkeerd terugkomt — en Drama 3 op 86,3% is nog steeds niet perfect, maar het is het verschil tussen een supportagent die een ticketnummer één keer leest en een die het twee keer leest.

Twee syntaxes voor dezelfde richting

Beide modellen laten je de performance in het script schrijven, en de notaties liggen dicht genoeg bij elkaar dat een team een script in een middag kan porteren — wat de verschillen die nog resteren de moeite waard maakt om te kennen.

ElevenLabs gebruikt inline-audiotags — [laughs], [whispers], [sighs], [said angrily in French accent], zelfs [light rain] — die in de tekst worden ingevoegd op de plekken waar de voordracht moet veranderen. De leverancier documenteert audiotags voor Eleven v4 Turbo, en Eleven v4 volgt dezelfde syntaxis; beide werden op 2026-09-28 algemeen beschikbaar (GA). Eleven v4 beperkt de invoer tot 10.000 tekens per verzoek, ongeveer tien minuten audio, dus een script voor langformaat moet aan zinsgrenzen in stukken worden opgedeeld en weer worden samengevoegd, waardoor de aaneenvoeglogica uw probleem wordt. Dialoog met meerdere sprekers wordt ondersteund, en het low-latency-model uit dezelfde familie vermeldt een mediane inferentielatentie van ongeveer 100 milliseconden, exclusief overhead van applicatie en netwerk.

De notatie van Fish Audio is een haakjesconventie met een laag gepaarde tags erbovenop, gedocumenteerd in de eigen Drama 3-pagina's:

• Aanwijzingen tussen vierkante haakjes vóór de woorden waarop ze betrekking hebben — [nauwelijks zich staande houdend, een glimlach forcerend] — geschreven zoals een regisseur een stemacteur zou briefen.

• Geluiden en pauzes tussen dezelfde vierkante haken — [trillende adem], [zacht lachje] — precies op de plek waar ze voorkomen.

• Gepaarde tags die alleen de omhulde woorden wijzigen: whisper, emphasis, soft, fast, slow, stress, forceful. Op de ElevenLabs kant is geen gelijkwaardige besturing per woord gedocumenteerd.

• Regieaanwijzingen in elke taal, onafhankelijk van de taal van het script. Een Chinese regieaanwijzing tussen vierkante haken voor een Engelse regel is gedocumenteerd en gedemonstreerd. Dit is de mogelijkheid die ik als eerste zou testen, omdat zij bepaalt wie het hulpmiddel kan bedienen: een regisseur die geen Engels schrijft, kan toch een Engelstalige voorstelling regisseren.

• Fonemen per taal vastpinnen, met gedocumenteerde pinyin- en romaji-paden voor Chinees en Japans, plus een taalwissel-tag die één frase midden in de regel naar een andere taal omzet — in de documentatie gemarkeerd als experimenteel.

• Meerdere sprekers in één verzoek: één voice-id per spreker in een reference_id-array, waarbij elke beurt begint met een spreker-tag zoals <|speaker:0|>, en waarbij aanwijzingen en gepaarde tags binnen elke beurt werken.

De bedieningsoppervlakken verschillen wezenlijk in aard, niet alleen in benaming. ElevenLabs biedt je een tagvocabulaire dat op emotie en voordracht is afgestemd. Fish Audio biedt emotie plus fonetische pinning plus taalswitch plus scoping per woord, wat dichter bij een masteringtool dan bij een performance-tool staat. Voor werk aan audioboeken en dubbing is die tweede set de nuttigere. Voor conversationele of expressieve marketingteksten lezen de tags van Eleven natuurlijker, en de voorkeursscores ondersteunen dat.

Het geld, op een script dat je daadwerkelijk hebt

Vergelijkingen per uur tussen deze twee zijn onbetrouwbaar, omdat de leveranciers in verschillende eenheden factureren en verschillende spreektempo's impliceren. Reken daarom liever met een vast script. Eleven v4 noteert $80,00 per miljoen tekens, dus een script van 100.000 tekens kost $8,00. Drama 3 noteert $50,00 per miljoen UTF-8-bytes, en Engels komt dicht bij één byte per teken, dus hetzelfde script kost $5,00 — en $1,00 tijdens de lanceringpromotie, die tot 2026-11-12 09:00 PT loopt bij $10,00 per miljoen bytes.

Dat is de eerlijke vorm van het prijsverschil: Drama 3 is tegen de lijstprijs 37% goedkoper per Engels teken en tijdens de promotie 87% goedkoper, niet de 60% die een naïeve tekens-tegen-tekensvergelijking van $80 tegen $50 zou suggereren als je de eenheden vergat. Twee verdere details horen in het budget thuis, niet in de voetnoot. Aanwijzingen tussen haken gelden als invoertekst en worden op beide platforms in rekening gebracht, zodat een script met veel aanwijzingen tussen haken 10-25% meer kost dan zijn woordenaantal suggereert. En bij Fish Audio faalt een aanvraag waarvan de modelheader ontbreekt of verkeerd gespeld is niet — ze valt terug op s2.1-pro, dat tijdens de promotie $15,00 per miljoen bytes in rekening brengt in plaats van $10,00. Een typefout in een header is een stille prijsverhoging van 50%.

Het kostenmodel van ElevenLabs is wezenlijk anders: de abonnementstarieven omvatten cloning, en instant voice cloning begint al bij het $6 Starter-abonnement, met professionele clones vanaf het $22 Creator-niveau. Fish Audio verkoopt cloning via hetzelfde creditsysteem als generatie, en Drama 3 gebruikt dezelfde credits als S2.1 Pro. Als cloning de kern van je workflow is en niet een functie die je twee keer gebruikt, is de vergelijking een abonnementsvergelijking, geen vergelijking per karakter.

Licenties, en de clausule die aan geen van beide zijden onderhandelbaar is

Geen van beide leveranciers laat je een persoon zonder toestemming klonen, en beide zeggen dat expliciet. Het verschil zit in wat er met het model zelf gebeurt. Eleven v4 is een gesloten API: je licencieert de output, niet de gewichten, en de praktische beperking is de tariefkaart. Drama 3 publiceert gewichten op Hugging Face als fishaudio/drama-3 onder de Fish Audio Community License v1.0 — gratis voor onderzoek en niet-commercieel gebruik, gratis voor commercieel gebruik onder US$500,000 aan jaarlijkse omzet voor jou en je gelieerde partijen, en met een aparte licentie vereist boven die drempel of als je Drama 3 zelf als een gehoste dienst wilt aanbieden. Artificial Analysis labelt het als open gewichten zonder volledige commerciële gebruiksrechten, wat accuraat is.

Dat snijdt beide kanten op bij een vergelijking. Je kunt niet door zelf te hosten onder de prijs van ElevenLabs uitkomen, en je kunt niet stilletjes een TTS-aanbieder worden op de gewichten van Fish Audio. Maar je kunt vandaag Drama 3 op een 48GB-kaart zetten en genereren tegen marginale elektriciteitskosten — wat een ander inkoopgesprek is dan $8,00 per 100.000 tekens, en dat is het gesprek dat langdurig cataloguswerk bepaalt.

Welke moet ik voor de router plaatsen?

Fish Audio Drama 3 en ElevenLabs Eleven v4 zijn geen van beide een van de modellen op OrcaRouter. Drama 3 bereik je via Fish Audio's eigen API en verschillende platforms van derden; Eleven v4 via die van ElevenLabs. Wat in de opstelling die dit blog steeds aanbeveelt vóór beide staat, is de routeringslaag — één sleutel voor ~200 modellen tegen de lijstprijs van de provider, zonder opslag, automatische failover, en een routerings-DSL die twee stemmen achter één aanroep kan houden.

De reden die voor deze specifieke vergelijking van belang is, is dat het juiste antwoord "beide, voor verschillende zinnen" is. Een productiepipeline voor dramaseries wil Drama 3 op de regels met eigennamen en codes, en mogelijk nog steeds Eleven v4 op de passages waar luisteraars de stem zelf beoordelen. Modelfusie en de routing-DSLlaten een pipeline dat als één interface met een keuze per segment behandelen, in plaats van als twee integraties, twee prijstabellen en twee sets retry-gedrag. Wanneer een leverancier een prijs aanpast, betekent de doorrekening dat de wijziging dezelfde dag aan uw kant landt, en niet bij de volgende contractvernieuwing — wat hier meer dan gewoonlijk van belang is, omdat Fish Audio's promotietarief op 2026-11-12 vervalt en de effectieve vergelijking van de ene op de andere dag verandert.

Voor een lezer die er maar één hoeft te kiezen: Eleven v4 als het eindproduct wordt beoordeeld op hoe het klinkt en het script in gewoon proza is geschreven; Drama 3 als het eindproduct correct moet zijn wat namen, nummers en codes betreft, als het werk langformaat heeft en prijsgevoelig is, als je de gewichten wilt, of als degene die de regieaanwijzingen schrijft geen Engels schrijft. De arena zegt dat Eleven beter klinkt. Het uitspraakboard zegt dat Drama het beter uitspreekt. Beide zijn dezelfde benchmarksuite, en de nuttige vraag is van welke van die twee tekortkomingen jouw productie daadwerkelijk last heeft.