Fish Audio Drama 3 · DSLab Router

Для Fish Audio Drama 3 используйте Audio Speech API.

О модели

Fish Audio Drama 3 — модель синтеза речи Fish Audio для озвучки с режиссурой, выпущена 13 октября 2026. Подачу задают текстом: эмоцию, темп или звук (вздох, смех, паузу) пишут в квадратных скобках, например [whispering] или [shaky breath]. Новая пометка посреди строки меняет подачу с этого места.

Парные теги вроде <emphasis>…</emphasis> и <whisper>…</whisper> действуют только на слова внутри. По данным Fish Audio, пометки можно писать на любом языке, независимо от языка реплики, а сама модель поддерживает 83 языка.

Архитектура — смесь экспертов: 35 млрд параметров, около 3 млрд активных на токен, веса открыты. Через API DSLab доступен голос alloy; модель принимает текст и возвращает аудио в форматах mp3 и pcm, параметр speed работает.

Стоимость

Текущая стоимость использования этой модели:

Что оплачивается	Стоимость
Символы	200₽ за 1 млн символов

Характеристики

Параметр	Значение
Вход	Текст
Выход	Аудио (речь)
Форматы ответа	`mp3`, `pcm` (44,1 кГц, моно)
Голос в API DSLab	`alloy`
Языки	83, по данным Fish Audio
Размер модели	35 млрд параметров, около 3 млрд активных на токен
Дата выхода	13 октября 2026

Сравнение с соседними моделями

Модель	Языки	Назначение по данным разработчика
Fish Audio Drama 3 (эта модель)	83	Озвучка с режиссурой: подачу задают пометками в квадратных скобках
Eleven v4	90+	Эмоциональная озвучка: персонажи, диалоги, аудиокниги, многоязычные проекты
Eleven v4 Turbo	90+	Реальное время: поддержка клиентов, ассистенты, интерактивные персонажи
AssemblyAI TTS 1	6	Голосовые агенты

Бенчмарки

Бенчмарк	Результат	Условия
Artificial Analysis Pronunciation Robustness	93,2 %	1-е место. Английский язык, слушатели проверяют каждое сложное слово; по данным Fish Audio на 13 октября 2026
Artificial Analysis Pronunciation Robustness, бренды, места, технические термины	95,9 %	Те же условия
Artificial Analysis Pronunciation Robustness, слова, зависящие от контекста	95,3 %	Те же условия
Artificial Analysis Pronunciation Robustness, числа, даты, единицы, обозначения	93,6 %	Те же условия
Artificial Analysis Pronunciation Robustness, точные последовательности (коды, пути, адреса почты)	86,3 %	Те же условия

Стоимость

Тип	Цена за 1 млн символов
Входной текст	200 ₽

API

Эндпоинт

http

POST https://api.dslab.tech/v1/audio/speech

Синтез речи

import osfrom pathlib import Pathimport requestsresponse = requests.post(    "https://api.dslab.tech/v1/audio/speech",    headers={"Authorization": f"Bearer {os.environ['DSLAB_API_KEY']}"},    json={        "model": "fish-drama-3",        "input": "Здравствуйте! Это пример синтеза речи.",        "voice": "alloy",        "response_format": "mp3",        "speed": 1.25,    },)response.raise_for_status()Path("speech.mp3").write_bytes(response.content)

Параметры

Параметр	Тип	По умолчанию	Описание
`model`	string	обязательный	ID модели: `fish-drama-3`.
`input`	string	обязательный	Текст для озвучивания.
`voice`	string	—	Голос: `alloy`. Другие значения возвращают ошибку 400.
`response_format`	string	—	Формат аудио: `mp3` или `pcm` (44,1 кГц, моно).
`speed`	number	—	Скорость речи, например `1.25`.

Важно знать

Голос только alloy: другие значения voice возвращают ошибку 400.
Форматы wav, opus, aac и flac возвращают ошибку 400.
Запрос с 5 000 символов в input принимается.