Fish Audio Drama 3 vs Ming 3.0 TTS: De voorsprong van 91 punten die verdwijnt onder een gekloonde stem

Fish Audio Drama 3 gaat met 91 Elo-punten voor op Ming 3.0 TTS op de ranglijst waarop elk model met een eigen cast stemmen spreekt, en met 17 op de ranglijst waarop beide dezelfde acht gekloonde referenties krijgen — een verschil dat zo klein is dat hun betrouwbaarheidsintervallen overlappen. Beide zijn open-weight releases uit de afgelopen zes weken, beide worden beoordeeld door Artificial Analysis, en op de ene test waarbij een mens wordt gevraagd of een moeilijk woord er echt goed uitkwam, scoren ze 93,2%. Drie cijfers, waarvan twee een verschillende kant op wijzen. Welk cijfer je vertrouwt, bepaalt welk model je koopt, en het antwoord hangt af van of je product als zichzelf klinkt of als iemand anders.

Twee releases, zes weken na elkaar, gebouwd op tegengestelde schalen

Drama 3 werd op 13 oktober 2026 aangekondigd en is live op de API van Fish Audio als drama-3, met gewichten op Hugging Face onder een nieuwe communitylicentie. Ming 3.0 TTS verscheen stiller en stukje voor stukje: de Hugging Face-repositories van InclusionAI verschenen op 22 september, de 0.5B-gewichten op 24 september en de inferentiecode pas op 19 oktober — daarom kon Artificial Analysis het pas op 20 oktober een score geven. Ant Group heeft daarvoor nooit een lanceerbericht gepubliceerd, en het heeft geen gehost endpoint of lijstprijs.

De spec-bladen liggen niet dicht bij elkaar, en dat is het eerste wat je moet begrijpen voordat de leaderboards iets betekenen.

• Parameters — 35B-mengsel van experts met ongeveer 3B actief per token, geïnitialiseerd op basis van Qwen3.5-35B-A3B en met routing van 8 van de 256 experts plus één gedeelde expert, tegenover een dicht model van 0,5B op een Qwen2.5-0.5B-backbone. Ant brengt ook een MoE uit met 7,9B totaal / 1,3B actief, genaamd Ming-3.0-tts-tiny, die helemaal geen onafhankelijke score heeft.

• Taaldekking — 83 talen geclaimd voor Drama 3, tegenover zeven voor de 0,5B Ming-checkpoint (Chinees, Engels, Duits, Spaans, Frans, Koreaans, Japans), plus Sichuanees en Kantonees wanneer je een referentieclip in een dialect aanlevert.

• Uitvoer — 44,1 kHz van beide, gegenereerd via heel verschillende mechanismen: Drama 3 behoudt de Descript Audio Codec-tokenizer van zijn voorganger op tien codebooks en ongeveer 21,5 frames per seconde, terwijl Ming een continue latent via een AudioVAE decodeert.

• Gewichten en licentie — Drama 3 onder de Fish Audio Community License v1.0, gratis onder US$500.000 jaarlijkse omzet en onderhandelbaar daarboven of als u synthese als dienst doorverkoopt. Ming 3.0 TTS onder MIT, zonder enige omzetdrempel.

• Prijs — US$ 50 per miljoen UTF-8-bytes tegen lijstprijs, tot 12 november 2026 verlaagd naar US$ 10, tegenover geen prijs omdat er niets te kopen valt: je downloadt de checkpoint van 2,96 GB en draait die.

Het schaalverschil werkt beide kanten op. Drama 3's 35B-backbone is wat het een richting door een lang script heen laat vasthouden en meerdere sprekers in één scène laat casten, met één voice-ID per spreker doorgegeven als een array; het is ook de reden waarom niemand het op een laptop gaat zetten. Ming's 0.5B is een model dat je op één bescheiden GPU kunt serveren en op een gehuurde GPU kunt fine-tunen.

Waarom Artificial Analysis twee verschillende antwoorden geeft

De ranglijst die iedereen als eerste citeert, is de Provider Voice Arena, en daar heeft Drama 3 een echte voorsprong opgebouwd. Op 29 oktober staat het zesde van de 100 modellen, met een Elo van 1.278, door Artificial Analysis geprijsd op US$15 per miljoen tekens onder de standaardinstellingen. Ming 3.0 TTS staat vierentwintigste met 1.187, zonder geregistreerde prijs omdat er geen commercieel endpoint is om een prijs vast te leggen. Een gat van 91 punten op een ranglijst waarvan de betrouwbaarheidsintervallen ongeveer ±13 tot ±18 bedragen, is geen ruis; de native stemmen van Drama 3 genieten duidelijk de voorkeur. Eén detail uit dezelfde tabel verklaart deels waarom: Artificial Analysis beoordeelde Ming tegen drie arena-stemmen en Drama 3 tegen acht.

De tweede ranglijst stelt een andere vraag, en de voorsprong verdampt. De Controlled Voice Arena geeft elk systeem dezelfde acht gekloonde stemmen — vier Amerikaanse, vier Britse — zodat de vergelijking niet meer gaat over wiens stemacteurs beter zijn, maar over hoe goed elk model iemand anders stem draagt. Daar scoort Drama 3 1.085, twaalfde van 49, met een interval van 1.069 tot 1.101. Ming scoort 1.068, zeventiende, met een interval van 1.053 tot 1.083. De intervallen overlappen in het bereik 1.069 tot 1.083. Dat is een gelijkspel, en iets anders zeggen zou precisie toeschrijven aan een enquête die die precisie niet heeft.

Merk ook op dat Artificial Analysis op dat scorebord nog steeds een aparte Drama 3 Preview-rij heeft, op 1.063, op de twintigste plaats. De productie-checkpoint en de preview die in september werd uitgebracht, worden als twee verschillende systemen beoordeeld, dus een vergelijking die "Drama 3" aanhaalt zonder te zeggen welke rij wordt bedoeld, is geen vergelijking. Onze cijfers hier zijn de productie-rij.

Praktisch gezien: als je product zijn eigen stemcast meebrengt — een verteller, een supportagent, een personage in het spel — is het voordeel van Drama 3 echt en groot. Als je product de stem van een klant of maker kloont en daarmee spreekt, staan de twee modellen effectief op gelijk niveau, en valt de beslissing eerder op prijs, licentie en taaldekking.

De 93,2%-uitspraakgelijkspel bestaat uit vier verschillende resultaten.

Beide modellen staan op 93,2% op de Engelse uitspraakrobuustheidstest van Artificial Analysis — het resultaat dat de ranglijst op 20 oktober publiceerde, waarmee ze gedeeld eerste werden van 31 systemen en voorbleven op Eleven v4 met 91,7%. Die kop is overal herhaald, en verbergt het enige deel dat operationeel van belang is: de twee modellen falen op tegengestelde soorten tekst.

• Exacte sequenties — Ming behoudt ze in 90,6% van de gevallen, als eerste van 31; het overeenkomstige cijfer voor Drama 3 is 86,3%. Bestelnummers, URL's, bestandspaden en seriecodes blijven beter behouden bij Ming.

• Uitbreiding van afkortingen — Ming 96,5%, ook als eerste van 31, tegenover 93,6% voor Drama 3. Datums, eenheden en afkortingen worden uitgesproken in plaats van gespeld.

• Losstaande termen — Drama 3 op 95,9% tegenover Ming op 88,5%, waarbij Ming de eenentwintigste plaats van 31 inneemt. Merknamen, plaatsnamen en technische terminologie vormen de sterkste categorie van Drama 3.

• Contextueel passende termen — Drama 3 met 95,3%, Ming met 91,0% en dertiende van 31.

Mings zwakte bij losstaande namen hangt samen met zijn stemmeninventaris: de 0.5B wordt geleverd met meer dan honderd ingebouwde Chinese stemmen en vijf Engelse, dus bij de verwerking van Engelse eigennamen heeft hij minder om mee te werken. De zwakte van Drama 3 is het spiegelbeeld: een model dat is getraind om een performance neer te zetten, zet soms een codenummer neer als een performance.

Geen van beide 93,2%-cijfers is door de leverancier gerapporteerd. Beide zijn afkomstig uit dezelfde onafhankelijke testopstelling, waardoor ze überhaupt vergeleken kunnen worden — en het is het vermelden waard dat dit zeldzaam is in deze categorie, waar de meeste gepubliceerde woordfouttabellen door de labs met hun eigen prompts worden opgesteld.

Wat een miljoen tekens eigenlijk kost

Drama 3 rekent af op basis van invoergrootte: US$ 50 per miljoen UTF-8-bytes, verlaagd naar US$ 10 tot 12 november 2026 om 09:00 Pacific. Die vijfvoudige sprong op 13 november is het grootste afzonderlijke getal in deze vergelijking, en verandert de rangorde van de twee modellen wat kosten per voltooid uur betreft, afhankelijk van wanneer je het leest.

Er is ook een factureringsval die je moet kennen voordat je iets aansluit. Drama 3 gebruikt dezelfde POST /v1/tts-endpoint als S2.1 Pro, en als de modelheader ontbreekt of verkeerd gespeld is, valt de aanvraag zonder enige melding terug op s2.1-pro en wordt je daarvoor gefactureerd. Je krijgt plausibele audio en geen foutmelding, dus een typfout in een omgevingsvariabele kan wekenlang onopgemerkt blijven bestaan voordat iemand merkt dat de stem verkeerd is.

Ming heeft helemaal geen factuur, wat niet hetzelfde is als gratis zijn. Je betaalt in GPU-uren en in engineeringtijd: de 0,5B-checkpoint is 2,96 GB, vereist een audio-VAE, een CAM++-sprekerencoder en een tokenizer die aan elkaar gekoppeld moeten worden, en er staat geen toezegging van leveranciersondersteuning achter. Ant heeft benchmarktabellen en een Gradio-demo gepubliceerd, geen service-level agreement.

Dit is waar een router echt nuttig is en waar hij het echt niet is. OrcaRouter geeft de adviesprijs van de provider door met 0% opslag, dus een aanbieding van een leverancier zoals die van Fish Audio verschijnt dezelfde dag op alles wat wij routeren — Drama 3 is er geen van, en Ming ook niet. De spraakeindpunten die we vandaag wél aanbieden, zijn Google's Gemini TTS-lijn en OpenAI's TTS-1-HD, allemaal bereikbaar via één API achter één enkele sleutel naast de tekstmodellen. Als je Drama 3 en Ming vergelijkt, zal geen enkele routeringslaag een van beide voor je hosten; wat één sleutel oplevert, is de rest van de pipeline eromheen.

De licentie bepaalt meer dan het klassement doet.

MIT versus de Fish Audio Community License v1.0 is de scherpste tweesprong in dit paar, en het is geen filosofische. De MIT-voorwaarden van Ming laten elk bedrijf, ongeacht de grootte, het model in een betaald product inbedden, het doorverkopen, het fine-tunen en het afgeleide product uitleveren, zonder inkomensgrens en zonder overleg met Ant.

De licentie voor Drama 3 is gratis voor onderzoek en niet-commercieel werk, gratis voor commercieel gebruik zolang u en uw gelieerde partijen onder US$500.000 aan jaarlijkse omzet blijven, en vereist daarboven een onderhandelde licentie — of bij elke omvang als u Drama 3 wilt aanbieden als een tekst-naar-spraak-, kloon- of inferencedienst. De FAQ van de modelkaart zelf is duidelijker dan de meeste: kant-en-klare audio voor klanten is geen probleem, een concurrerende synthese-API niet.

Eén detail dat je beter controleert dan aanneemt: de Hugging Face-metadata voor fishaudio/drama-3 vermeldt nog steeds fish-audio-research-license, terwijl de tekst op de kaart de Community License beschrijft. Als je de persoon bent die de deployment goedkeurt, lees dan het licentiebestand in het repo, niet de tag.

Voor een studio die hoorspelen maakt, is de drempel van $500,000 geen probleem en is de serviceclausule degene die je moet lezen. Voor een bedrijf dat een spraakfunctie in een product bouwt boven die omzetgrens, is Drama 3 een inkoopgesprek en is Ming een pip install.

Welke moet je kiezen?

Ondersteunende of transactionele stem, Engels of Chinees.Ming. Het wint de twee categorieën die het belangrijkst zijn wanneer een bot een ordernummer of een boekingsreferentie terugleest, het is MIT, en het draait op hardware die je al hebt. Het gelijkspel bij gekloonde stemmen betekent dat je natuurlijkheid niet hoeft op te geven om daar te komen.

Vertelling, hoorspel, scripts vol merknamen, veel talen.Drama 3. De voorsprong van de provider-stem is echt, eigennamen zijn zijn sterkste categorie, en 83 talen tegenover zeven is geen gat dat je met prompt engineering sluit. Reken op de prijswilziging van november en lees de serviceclausule.

Een pipeline die al meerdere takes opneemt. Drama 3, maar alleen als je de revisielus daadwerkelijk gebruikt. Fish Audio trainde het met een beloningsmodel op basis van menselijke voorkeuren en presenteert revisie in meerdere beurten als de manier om de performance te krijgen die je wilde; Ming is een single-shotmodel zonder revisiemechanisme om tegen af te wegen, dus de take-structuur is een reden om Drama 3 te kiezen, niet een reden om ze te vergelijken.

Elke deployment waarbij VRAM de beperkende factor is. Ming, zonder discussie. Een 35B mixture of experts dat op H200's benchmarkt, is geen model dat je draait omdat het handig is.

Wat te kijken

Drie data en één gat. Op 13 november vervalt de actieprijs van Drama 3 en gaat US$10 naar US$50 — een vijfvoudige verschuiving die van de ene op de andere dag elke kostenvergelijking in deze categorie zal herschikken. Let voor die tijd op of Artificial Analysis zijn rijen voor Drama 3 en Drama 3 Preview samenvoegt, want een ranglijst die één model twee keer vermeldt, nodigt precies uit tot de soort slordige bronvermelding die dit artikel juist probeert te vermijden. En let op een score voor Ming-3.0-tts-tiny: de 7,9B MoE-variant is degene die Ant daadwerkelijk aanprijst voor podcastgeneratie, en momenteel heeft die alleen cijfers van de leverancier — 0,820% wordfout bij Chinees, 6,000% bij Koreaans — zonder dat er iets onafhankelijk achter zit.

De eerlijke samenvatting is dat dit geen twee versies van hetzelfde product zijn. Het ene is een klein, ruim gelicentieerd werkpaard dat precies uitstekend blijkt te zijn in de tekst die stemsystemen stukmaakt; het andere is een grote, licentiegebonden prestatie-engine die, wanneer hij zijn eigen cast gebruikt, het best klinkende open model op het scorebord is. De voorsprong van 91 punten is echt. Hij hoort alleen bij een vraag die de meeste producten nooit stellen.