Fish Audio Drama 3 Review: Lohnt sich ein Reinhören?

Teil 1: Was ist Fish Audio Drama 3?

Drama 3 ist das neueste TTS-Modell von Fish Audio, das für Sprachregie und Inhaltserstellung entwickelt wurde, wie die offiziellen Dokumente sagen. Die Idee ist einfach. Sie schreiben das Skript, fügen einige Anmerkungen hinzu, wie jede Zeile gespielt werden soll, und das Modell folgt Ihren Anweisungen.

Ein normales TTS-Tool gibt jeder Eingabe eine neutrale Stimme. Drama 3 fühlt sich eher an wie das Vorlesen eines Skripts: Die Worte sind der Dialog und die in Klammern gesetzten Notizen beziehen sich auf Stimmung und Vortrag. Um einen Seufzer, ein Lachen oder sogar eine Pause zu erzeugen, setzen Sie diese einfach an die gewünschte Stelle.

Es kann über die bestehende POST /v1/tts-Anfrage aufgerufen werden, mit drama-3 im Model-Header. Dieselben Anweisungen funktionieren auch in der Web-App, sodass Sie es ausprobieren können, ohne Code zu schreiben. Es gibt einen Vorbehalt: Wenn der Header fehlt oder falsch geschrieben ist, werden Sie nicht über einen Fehler informiert. Die Anfrage läuft tatsächlich auf dem s2.1-pro-Modell, und es ist leicht vorstellbar, dass Sie Drama 3 hören, obwohl es nicht so ist. Es wird hauptsächlich für Erzählungen, Charakterstimmen in Filmen, Video-Voiceovers, Spielen und Geschichten verwendet.

Teil 2: Hauptfunktionen von Fish Audio Drama 3

Ausdrucksstarke und emotionale Spracherzeugung

Anweisungen müssen in eckigen Klammern vor den Wörtern stehen, auf die sie sich beziehen. Sprechen Sie mit ihnen, wie Sie es für einen Schauspieler tun würden: die Emotion, was sie wollen, die Sprechgeschwindigkeit, mit wem sie sprechen. Die Dokumente enthalten den Satz „I'm fine. Really. Go on without me.“ Ändern Sie die Klammern in wütende oder glückliche und dieselben Worte klingen ganz anders.

Sie müssen nicht auf Englisch sein. In einem Beispiel, das eine Aufzeichnung enthält, ist eine chinesische Notiz auf einer englischen Zeile geschrieben. Wenn Sie also eine Möglichkeit haben, eine Darbietung zu kommunizieren, in welcher Sprache auch immer, können Sie eine Aufführung anfordern.

Mehrsprecherdialog und Langform-Audio

Eine einzelne Anfrage kann zu einer vollständigen Diskussion führen. Voice-IDs werden in reference_id eingefügt und jeder Sprecherwechsel wird mit einem Sprecher-Tag wie <|speaker:0|> oder <|speaker:1|> eingeleitet. Das Demo von Fish Audio ist eine kurze Szene im Inneren eines Raumschiffs mit einem ruhigen Kapitän, einem panischen Ingenieur und einem Erzähler.

Die Dokumente erwähnen keine Längenbegrenzung. Animationsskripte, Drama-Podcasts und Story-Projekte funktionieren möglicherweise besser, wenn man an einer Szene nach der anderen arbeitet. Ich würde Kapitel für Kapitel beginnen und die Konsistenz der Stimmen im gesamten Kapitel überprüfen, wenn es sich um ein Buch dieser Länge handelt.

Sprachregie und Skriptbearbeitung

Klammern sind nur ein Teil davon. Geräusche und Pausen können überall dort sein, wo sie natürlich eingesetzt würden, z. B. ein zitternder Atem, ein kleines Lachen. Nur diese Tags (whisper, emphasis, soft, fast, slow, stress und forceful) werden unterstützt und beeinflussen nur die Wörter dazwischen. Sprach-Tags können eine Phrase auf Französisch, Spanisch, Deutsch, Japanisch, Chinesisch, Koreanisch oder Italienisch setzen, obwohl die Dokumente dies als experimentelles Feature bezeichnen. Phonem-Tags erlauben die Auswahl von Aussprache und Betonung, für Namen und Fachbegriffe basieren diese auf dem CMU Arpabet für Englisch.

Alles ist einfacher Klartext, und eine einfache Korrektur einer Zeile besteht darin, die Klammern neu zu schreiben und neu zu generieren. Es ist keine Audiobearbeitungssoftware erforderlich.

Teil 3: Fish Audio Drama 3 Test: Stimmqualität, Vor- und Nachteile

Eine kurze Vorbemerkung: Die Dokumentation enthält keine Benchmark-Ergebnisse für Drama 3, und alles, was ich aus den Audiodemos beschreibe, stammt von den offiziellen Beispielen, nicht von eigenen Messungen. Betrachten Sie jeden von mir erwähnten „Test“ als Herausforderung, die Sie selbst durchführen können.

Eine gute Methode ist, ein kurzes Skript auszuwählen und es mehrmals mit unterschiedlichen Anweisungen laufen zu lassen, wie traurig, aufgeregt, wütend und zögerlich. Achten Sie dann auf diese vier Dinge:

• Emotionale Ausdruckskraft. In einer einzelnen Zeile liefern die offiziellen Demos eine leise, angespannte Stimme gut. Prüfen Sie, ob Ihre extremeren Anweisungen gespielt oder nur lauter klingen.
• Aussprache. Deshalb gibt es Phonem-Tags. Testen Sie Markennamen und Fachjargon frühzeitig und korrigieren Sie alles, was falsch herauskommt.
• Sprecherkonsistenz. Bei mehr als einem Sprecher in einer Szene prüfen Sie, ob jeder nach mehreren Wechseln noch unterscheidbar klingt.
• Anweisungsbefolgung. Bleibt eine Anweisung auf ihrer eigenen Zeile oder fließt sie in die nächste über?

Die Dokumente geben an, dass die Abrechnung 50,00 $ pro Million UTF-8 Bytes Eingabetext beträgt. Eine Einführungsaktion senkt dies bis zum 12. November 2026, 09:00 PT auf 10,00 $ pro Million. Chinesischer oder japanischer Text kostet pro Satz mehr als anderer Text, da Bytes und nicht Zeichen abgerechnet werden und chinesische und japanische Zeichen mehr Bytes belegen.

Teil 4: Wofür können Sie Fish Audio Drama 3 verwenden?

• Hörbücher und ausdrucksstarke Erzählungen: Ein Erzähler kann in einem Absatz ruhig und im nächsten angespannt sein.
• Animierte Charaktere und Videodialoge: Mit Multi-Speaker-Erzeugung können Sie eine grobe oder sogar finale Dialogspur für eine kurze Animation oder Erklärvideo erstellen.
• Spiele, Rollenspiele und Charakterstimmen: Wenn sich eine Zeile ändert, kann sie in Sekunden neu aufgenommen werden.
• Kurzfilme und dramatisches Erzählen: Inline-Geräusche und Pausen erleichtern das Erzeugen von Atemzügen oder langen Stille.
• Kreative Audio-Projekte und mehrsprachige Inhalte: Anweisungen funktionieren in jeder Sprache, und mit den experimentellen Sprach-Tags kann es für Tutoren, Reiseführer und Geschichten verwendet werden, die mehrere Sprachen kombinieren.

Behalten Sie eine Einschränkung im Hinterkopf: Drama 3 ist ein Text-zu-Sprache-Tool. Es kann keine Live-Stimme ändern oder Ihren Mikrofoneingang in jemanden anderen verwandeln.

Teil 5: Möchten Sie Ihre Stimme verändern? Probieren Sie HitPaw VoicePea AI Voice Changer

Wenn Sie selbst anders klingen möchten, hilft Ihnen ein Text-zu-Sprache-Modell nicht weiter. Sie brauchen einen Voice Changer. HitPaw VoicePea, früher bekannt als HitPaw Voice Changer, verändert Ihre Stimme während des Sprechens und erzeugt keine Audiodateien aus Skripten.

Hauptfunktionen von HitPaw VoicePea AI Voice Changer

• Stimm-Effekte: Bietet über 300 Stimm-Effekte, geringe Latenz und ein integriertes Meme-Soundboard, das benutzerdefinierte Soundeffekte unterstützt.
• Kompatibilität: Verfügbar für Windows und Mac, unterstützt 16 Sprachen und bietet eine kostenlose Version.
• Gaming-Stimmen: Bietet Charakterstimmen für Spiele wie Fortnite, GTA und Minecraft.
• Streaming-Unterstützung: Ermöglicht Streamern, ihre Stimmen in Echtzeit auf Twitch, YouTube und Kick zu verändern.
• Calling-Apps: Unterstützt Zoom, Microsoft Teams, Google Meet und Discord.
• Datei-Stimmenänderung: Wendet KI-Stimmen auf bestehende Audio- und Videodateien in über 50 Formaten an.
• KI-Cover-Songs: Erlaubt Nutzern, KI-Cover-Songs zu erstellen.
• Hardware-Anforderungen: Laut Benutzerhandbuch erfordern Echtzeit-KI-Stimmeneffekte eine einigermaßen leistungsfähige Grafikkarte, empfohlen werden Nvidia-Geräte mit 4 GB und AMD-Geräte mit 6 GB.

Wie man HitPaw VoicePea AI Voice Changer verwendet

Die offizielle Anleitung reduziert die Einrichtung auf wenige Schritte:

• Schritt 1:Laden Sie VoicePea für Windows oder Mac von der Produktseite herunter und installieren Sie es. Die kostenlose Version reicht zum Testen aus.

  
  
  

• Schritt 2:Öffnen Sie die Einstellungen und wählen Sie Ihr echtes Mikrofon und Ihre Kopfhörer als Ein- und Ausgabegeräte. Wenn Sie nichts hören, klicken Sie auf „Detect“; die Mikrofon- und Lautsprechersymbole sollten grün werden.

  

• Schritt 3:Wählen Sie eine Stimme oder einen Soundeffekt und klicken Sie zum Anwenden. Fahren Sie mit der Maus über den Cartoon-Avatar, um Lautstärke, Tonhöhe und Klangfarbe anzupassen.

  

• Schritt 4:Schalten Sie „Voice Changer“ und „Hear myself“ ein und sprechen Sie, um das Ergebnis zu überprüfen. In einem lauten Raum aktivieren Sie die Geräuschunterdrückung, aber halten Sie sie niedrig, da eine hohe Einstellung Teile Ihrer Stimme herausfiltern kann.

  

• Schritt 5:Öffnen Sie in der App, die Sie verwenden, z. B. Discord oder Steam, die Spracheinstellungen und stellen Sie das Eingabegerät auf „HitPaw Virtual Audio“.

  

Verwenden Sie durchgehend Kopfhörer. Lautsprecher verursachen Rückkopplungen über das Mikrofon. Wenn Sie niemand hört, liegt es meist daran, dass das falsche Eingabegerät ausgewählt ist.

Fish Audio Drama 3 vs. VoicePea: Welches sollten Sie wählen?

Der einzige Unterschied liegt im Ausgangspunkt. Drama 3 beginnt mit einem geschriebenen Skript und erstellt ausdrucksstarke Sprache. VoicePea beginnt mit Ihrer Stimme und verwandelt sie live oder in einer Datei.

Verwenden Sie Drama 3 für geskriptete Erzählungen, Mehrcharakter-Dialoge oder jede Aufgabe, die eine Regieanweisung für jede Zeile erfordert. Möchten Sie in einem Spiel, Stream oder Anruf wie eine andere Person klingen oder eine bestehende Aufnahme verändern, verwenden Sie VoicePea. Sie können sie auch kombinieren: Erzeugen Sie den Dialog in Drama 3 und verwenden Sie VoicePea für die Teile, die Sie selbst sprechen.

FAQs zu Fish Audio Drama 3

Fazit

Was mich an Drama 3 am meisten beeindruckt, ist die Kontrolle über den Vortrag. Klammer-Anweisungen, Inline-Geräusche, Wort-Ebene-Tags und Mehrsprecher-Szenen aus einer einzigen Anfrage machen es geeignet für Erzählungen, Animationsdialoge und charaktergetriebene Geschichten. Allerdings erfordert es etwas Learning-by-Doing. Ergebnisse variieren von einer Erzeugung zur nächsten, und was möglich ist, hängt von Ihrem Plan ab.

Für ausdrucksstarke KI-Erzählungen ist es einen Versuch wert. Für diejenigen, die ihre eigene Stimme verändern wollen, ist HitPaw VoicePea eine praktische Option.