fish-drama-3O Fish Audio Drama 3 é um modelo de texto para fala feito para interpretar, e não para ler de forma monótona, lançado pela Fish Audio em 13 de outubro de 2026. Você dirige a fala no próprio texto: uma rubrica entre colchetes antes de uma frase, como [segurando o choro, forçando um sorriso], muda como essa frase é dita, e as tags em par <whisper>, <emphasis>, <soft>, <fast>, <slow>, <stress> e <forceful> mudam só as palavras que envolvem. As rubricas podem ser escritas em inglês ou em português. Uma única requisição pode dar voz a uma cena inteira: passe reference_id como um array de ids de voz e troque de falante com <|speaker:0|>, <|speaker:1|> e assim por diante, até 16 falantes; <|speaker:0|> usa a primeira voz do array. A pronúncia de nomes e termos pode ser fixada com tags de fonemas: CMU Arpabet para inglês, pinyin para chinês e romaji para japonês. Cobre 83 idiomas, e a Fish Audio cita 93.2% de precisão de pronúncia no Artificial Analysis contra 88.1% do S2.1 Pro. A cobrança é por 1000 bytes UTF-8, como no S2.1 Pro: uma letra sem acento ocupa um byte, uma letra acentuada ou o ç dois, e um caractere chinês três. O preço é $0.065 por 1000 bytes, com preço especial de $0.025 até 12 de novembro de 2026. No nosso teste, 1000 caracteres em inglês levaram 9.6 segundos e geraram 89 segundos de áudio. Para narração simples, sem direção, o S2.1 Pro a $0.03 por 1000 bytes é a melhor escolha. As vozes licenciadas oficiais da Fish Audio (marcadas como licensed na biblioteca) são cobradas a 2,5 vezes a tarifa: $0.1625 por 1000 bytes, $0.0625 no preço especial; vozes da comunidade e seus próprios clones seguem a tarifa normal.
[forçando um sorriso] antes de uma frase, ou <whisper>…</whisper> em volta de algumas palavras; as rubricas podem ser em português
Passe reference_id como array e troque com <|speaker:N|>; o falante 0 usa a primeira voz do array
Tags de fonemas para nomes e termos: CMU Arpabet em inglês, pinyin em chinês, romaji em japonês
Preço especial de $0.025 até 12 de novembro. Cobrança por byte UTF-8: o ç ou uma letra acentuada contam como dois
Fish Audio Drama 3 é uma API de áudio e voz da Fish Audio. O Fish Audio Drama 3 é um modelo de texto para fala feito para interpretar, e não para ler de forma monótona, lançado pela Fish Audio em 13 de outubro de 2026. Você dirige a fala no próprio texto: uma rubrica entre colchetes antes de uma frase, como [segurando o choro, forçando um sorriso], muda como essa frase é dita, e as tags em par <whisper>, <emphasis>, <soft>, <fast>, <slow>, <stress> e <forceful> mudam só as palavras que envolvem. As rubricas podem ser escritas em inglês ou em português. Uma única requisição pode dar voz a uma cena inteira: passe reference_id como um array de ids de voz e troque de falante com <|speaker:0|>, <|speaker:1|> e assim por diante, até 16 falantes; <|speaker:0|> usa a primeira voz do array. A pronúncia de nomes e termos pode ser fixada com tags de fonemas: CMU Arpabet para inglês, pinyin para chinês e romaji para japonês. Cobre 83 idiomas, e a Fish Audio cita 93.2% de precisão de pronúncia no Artificial Analysis contra 88.1% do S2.1 Pro. A cobrança é por 1000 bytes UTF-8, como no S2.1 Pro: uma letra sem acento ocupa um byte, uma letra acentuada ou o ç dois, e um caractere chinês três. O preço é $0.065 por 1000 bytes, com preço especial de $0.025 até 12 de novembro de 2026. No nosso teste, 1000 caracteres em inglês levaram 9.6 segundos e geraram 89 segundos de áudio. Para narração simples, sem direção, o S2.1 Pro a $0.03 por 1000 bytes é a melhor escolha. As vozes licenciadas oficiais da Fish Audio (marcadas como licensed na biblioteca) são cobradas a 2,5 vezes a tarifa: $0.1625 por 1000 bytes, $0.0625 no preço especial; vozes da comunidade e seus próprios clones seguem a tarifa normal. Pela plataforma APIMODELS, você acessa este modelo por uma API unificada com preços transparentes de pagamento por uso. Preço atual: per 1K UTF-8 bytes: $0.065, Fish licensed voice, per 1K UTF-8 bytes: $0.1625.
Gere locuções de nível profissional para vídeos, animações e anúncios, com vozes variadas.
Produza rapidamente o áudio do seu podcast, com suporte a diálogos de vários personagens.
Converta texto em voz natural e fluida para produzir audiolivros.
Dublagem e tradução multilíngue com IA para alcançar audiências globais.
O Fish Audio Drama 3 está disponível pela APIMODELS a: per 1K UTF-8 bytes: $0.065, Fish licensed voice, per 1K UTF-8 bytes: $0.1625. A cobrança é por uso — você paga apenas pelo que gera.
Cadastre-se na APIMODELS, obtenha sua chave de API e chame nosso endpoint unificado. Oferecemos documentação detalhada com exemplos em cURL, Python e Node.js.
A APIMODELS oferece o mesmo modelo Fish Audio Drama 3 pela nossa plataforma de agregação. Fornecemos uma interface de API unificada, então você não precisa de contas separadas por provedor: uma única chave para acessar todos os modelos.
Escreva a rubrica dentro do texto. Coloque uma nota entre colchetes antes da fala, como "[segurando o choro, forçando um sorriso] Eu estou bem.", e a fala inteira sai desse jeito. Para mudar só algumas palavras, envolva-as numa tag em par — <whisper>, <emphasis>, <soft>, <fast>, <slow>, <stress> ou <forceful> —, por exemplo "Sério. <whisper>Vão sem mim.</whisper>". As rubricas podem ser em inglês ou em português. A Fish Audio também oferece tags de troca de idioma como <french>…</french>, mas as classifica como experimentais: não funcionam garantidamente com todas as vozes, e o modelo pode trocar de idioma sozinho.
Passe reference_id como um array de ids de voz e marque cada fala com <|speaker:N|>, em que N é a posição no array: <|speaker:0|> usa a primeira voz, <|speaker:1|> a segunda, até 16 falantes. Os ids podem vir da biblioteca de vozes da Fish ou dos seus próprios clones. Com uma voz só, uma string continua valendo. Apenas o fish-drama-3 aceita arrays; o fish-s2.1-pro devolve 400 se receber um.
O Drama 3 custa $0.065 por 1000 bytes UTF-8, com preço especial de $0.025 até 12 de novembro de 2026. A cobrança é por byte, como no S2.1 Pro: uma letra sem acento ocupa um byte, uma letra acentuada ou o ç dois e um caractere chinês três, então 1000 caracteres em inglês custam $0.065 e 1000 caracteres chineses (3000 bytes) custam $0.195; no preço especial, $0.025 e $0.075. O S2.1 Pro custa $0.03 e é a melhor escolha para narração simples, sem direção. Textos com menos de 100 bytes são cobrados como 100 bytes, e requisições que falham não são cobradas.
Na APIMODELS, o Fish Audio Drama 3 roda junto com mais de 60 modelos usando uma única chave de API e um único saldo, então escolher é questão de adequação, não de dependência. Ele suporta Inline Directions, Up to 16 Speakers, Pronunciation Tags, 83 Languages e você pode avaliá-lo em preço e capacidade frente a outros modelos de áudio e voz, trocando ao alterar uma única string com o nome do modelo — sem nova conta ou integração. Veja todas as opções de áudio e voz com preços ao vivo em apimodels.app/models.
O Fish Audio Drama 3 suporta: Inline Directions, Up to 16 Speakers, Pronunciation Tags, 83 Languages. Consulte a documentação da APIMODELS para todos os parâmetros e exemplos de chamada.
Sim. A APIMODELS expõe o Fish Audio Drama 3 por uma única API unificada e uma só chave, sem contas separadas por provedor e sem precisar lidar com o acesso de rede regional de cada provedor.
Aceitamos Stripe (Visa, Mastercard e outros cartões internacionais) e Alipay. O saldo fica disponível imediatamente após o pagamento.