Fish Audio Live 3 vs Drama 3: Het ene model leest het script, het andere hoort de ruimte

Fish Audio Live 3 en Fish Audio Drama 3 zijn geen twee antwoorden op dezelfde vraag, en ze als rivalen behandelen is de snelste manier om de verkeerde te kopen. Drama 3, dat Fish Audio op 2026-10-13 publiceerde, is een tekst-naar-spraakmodel: je geeft het woorden en een regieaanwijzing, en het levert audio op. Live 3, aangekondigd op 2026-11-10, is een duplex spraakmodel voor agentgesprekken: het luistert terwijl het spreekt, beslist wanneer een pauze "ga door" betekent en wanneer die "ik ben klaar" betekent, en kan volgens Fish Audio in slechts 186 milliseconden reageren. Het ene is een renderer; het andere is een gesprekspartner.

De verwarring is begrijpelijk, want het zijn beide Fish Audio-modellen, beide zijn recent en beide worden aangeprezen als goed in iets waarin de andere Fish Audio-modellen dat niet waren. Maar ze bevinden zich op verschillende lagen van een stemstack, ze worden afzonderlijk gedocumenteerd en slechts één ervan staat op de gepubliceerde tariefkaart van Fish Audio. De nuttige vergelijking is dus niet welke beter is, maar voor welke taak elk ervan eigenlijk bedoeld is, en waar ze elkaar binnen één product ontmoeten.

Wat elk model volgens de documentatie doet

Drama 3 is een tekst-naar-spraakmodel, en het openbare bewijs ervoor bestaat uit voorkeur en uitspraak, niet uit beurtwisseling. Op de Provider Voice Arena van Artificial Analysis staat het zesde met een Elo van 1.278; op de Controlled Voice Arena, waar elk model tegen dezelfde referentiestemmen wordt afgezet, staat het twaalfde met 1.085. Op beide ranglijsten is het het hoogst gerangschikte open-weightsmodel in de tabel, en de eerdere vermelding Drama 3 Preview — die in oktober de pers haalde — staat nog afzonderlijk vermeld met 1.240 en 1.063. Op de benchmark English Pronunciation Robustness scoort het overall 93,2%, gedeeld eerste onder de 31 gescoorde modellen, samen met Ming-3.0-tts, waarbij de uitsplitsing per categorie belangrijker is dan de kop: 95,9% op op zichzelf staande termen zoals merken en technische namen, 93,6% op het uitschrijven van verkorte notaties zoals getallen en datums, 86,3% op het exact behouden van reeksen zoals codes en paden, en 95,3% op contextueel passende uitspraak.

Het openbare bewijs van Live 3 heeft een heel andere vorm. De aankondiging van Fish Audio is opgebouwd rond gesprek in plaats van rendering, en de drie uitgewerkte voorbeelden gaan allemaal over timing.

• Een telefoonnummer dat in stukjes wordt voorgelezen — "415… 555… 0132" — waarbij Live 3 tussen de stukjes misschien "mm-hmm" of "okay, 415" zegt en vervolgens op de rest wacht.

• Een beller die "ja" of "mm-hmm" zegt terwijl de agent de openingstijden voorleest, waarbij Live 3 gewoon doorgaat in plaats van de bevestiging als een onderbreking te behandelen.

• Een beller die midden in zijn zin een bestelling wijzigt — "twee pizza's… nee, drie. Drie grote. En… eigenlijk, maak een ervan een margherita" — waarbij Live 3 elke correctie afwacht in plaats van actie te ondernemen op basis van de eerste aannemelijke volledige bestelling.

Fish Audio stelt dat het model kan besluiten om binnen slechts 186 milliseconden te reageren, waarbij het korte reacties zoals "mm-hmm", "okay" en snelle bevestigingen beschrijft in plaats van volledige antwoorden. Bij de lancering spreekt het alleen Engels en het is beschikbaar op het Fish Agent Platform, via de API van Fish Audio en on-premises voor bedrijven. Wat het niet heeft, is een gepubliceerde benchmark, een onafhankelijke score — Artificial Analysis heeft per 2026-11-11 geen Live 3-duplexrij — of een regel op de tariefkaart van Fish Audio.

Waarom de prijseenheden je vertellen dat het om verschillende producten gaat

Fish Audio factureert Drama 3 in UTF-8-bytes van de ingevoerde tekst: $50,00 per miljoen bytes volgens de lijstprijs, met een introductieactie van $10,00 per miljoen die loopt tot en met 30-11-2026. De eigen documentatie van het bedrijf rekent één miljoen UTF-8-bytes om naar ongeveer 180.000 Engelse woorden, of ongeveer twaalf uur spraak — waardoor drama-3 op ongeveer $4,17 per uur gegenereerde audio uitkomt tegen lijstprijs, en rond $0,83 per uur tijdens de actie. Die eenheid bestaat omdat TTS een kenbare hoeveelheid tekst als invoer heeft en een kenbare hoeveelheid audio als uitvoer.

Live 3 past helemaal niet in die eenheid, en het staat niet op de tariefkaart. Een duplexagentgesprek heeft geen vast script: de audio-in is wat de beller ook zegt, de audio-uit is hoeveel het model ook maar wil zeggen, en de interessante kosten zijn minuten verbinding in plaats van bytes tekst. Fish Audio heeft niet gepubliceerd welke meter het zal gebruiken, en daarom is de kolom Live 3 in elke kostenvergelijking leeg in plaats van goedkoop.

Wat de twee modellen wel gemeen hebben, is een platform. Fish Audio's Agent Platform, momenteel in publieke bèta, host Live 3-agenten en biedt een REST-oppervlak onder /v1/agent/* met JavaScript- en React-SDK's, kanalen voor een webwidget, een telefoonnummer of een aangepaste client, en sessietoken-authenticatie. De custom-LLM-hook op dat platform wijst naar een OpenAI-compatibel endpoint, en dat is het aansluitpunt waar een eigen redeneerlaag naar keuze wordt ingezet.

Waar ze samenkomen in één product

De interessante vraag is niet welk model wint, maar hoe één enkel product eruitziet wanneer beide worden ingezet waarvoor ze goed zijn. Een boekingslijn heeft Live 3 nodig tijdens het livegesprek, want juist in het gesprek vinden pauzes en correcties plaats. Hetzelfde product heeft meestal ook Drama 3 nodig, of een vergelijkbaar model, voor alles wat geen gesprek is: het teruglezen van de bevestiging na het gesprek, de voicemailbegroeting, de uitgaande herinnering, de langere vertelling op de marketingpagina die de beller daarheen stuurde. Dat zijn rendertaken met een bekende tekst, en de gepubliceerde sterke punten van Drama 3 — voorkeur onder luisteraars, 93,2% uitspraak, 83 talen, de open weights gepubliceerd onder de Fish Audio Community License v1.0 met een omzetplafond van $500.000 — zijn precies de sterke punten die een rendertaak nodig heeft.

Die splitsing heeft een kostengevolg dat het loont om ronduit te benoemen, want dat is het punt waarop een routeringslaag ophoudt een abstractie te zijn. De redeneerlaag achter een Live 3-agent kan naar alles wijzen dat het OpenAI-protocol spreekt; OrcaRouter zit achter dat endpoint met 216 modellen vanaf één sleutel, tegen de lijstprijs van de provider zonder markup en automatische failover wanneer een provider een fout geeft, zodat de planner in de agent kan worden vervangen zonder de spraaklaag of het telefoonnummer aan te raken. Een routerings-DSL bepaalt welk model welk soort oproep afhandelt, en model fusion laat een goedkoop model een tool call opstellen terwijl een sterker model die controleert voordat hij wordt uitgevoerd. OrcaRouter host Fish Audio Live 3 of Drama 3 niet — geen van beide is beschikbaar via een endpoint van een derde partij, en de spraaklaag in deze stack blijft bij Fish Audio. Wat het host, is alles rond de spraak.

Welke heb je eigenlijk nodig?

Je hebt Drama 3 nodig als de output een bestand is. Narratie, audioboeken, reclames, personagestemmen, nasynchronisatie, voorlezen voor toegankelijkheid — alles waarbij een mens de woorden heeft geschreven en een luisteraar ze één keer hoort, in gepolijste vorm. Het heeft de voorkeursscores, de uitspraakdetails, het aantal talen en een gepubliceerd tarief per byte waarop je kunt vooruitrekenen. Het is ook open weights, wat ertoe doet als je het zelf wilt draaien.

Je hebt Live 3 nodig als de output een gesprek is dat een onderbreking moet doorstaan. Telefoonagenten, reserveringslijnen, orderopname, supporttriage — alles waarbij de beller terugpraat en de faalmodus erin bestaat dat er doorheen wordt gepraat of dat een cijferreeks moet worden herhaald. Het heeft een gedragsargument, een latentieondergrens van de leverancier en een platform, en het heeft nog geen benchmark of een prijs.

Je hebt waarschijnlijk beide nodig als je een spraakproduct bouwt in plaats van een demo, en de splitsing loopt langs de lijn tussen live en gerenderd. De fout die je moet vermijden, is het ene kiezen om het werk van het andere te doen: een TTS-model kan niet beslissen wanneer het moet stoppen met praten, en een duplex-agentmodel is een dure en niet-geëvalueerde manier om een voicemailbegroeting te produceren. Fish Audio verkoopt beide, de prijseenheden verschillen bewust, en de roadmap die ze als één product behandelt, zal vanaf de eerste maand zijn eigen kosten verkeerd voorspellen.