תגית: מודל קול

עדכון 14.10, 04:42: Artificial Analysis מאשרת את הציון, ומחיר ה-API עדיין לא מתיישב

Artificial Analysis פרסמה ממצאים עצמאיים על Drama 3, שמופיע אצלה כ-Preview. לפיה, הציון במבחן Pronunciation Robustness הוא 93.2%, כפי שדיווחה Fish Audio, והמודל מדורג במקום הראשון בלוח, לפני Eleven v4 עם 91.7% ו-Eleven v4 Turbo עם 90.1%. במדדי המשנה הוא ראשון בשניים (Standalone Terms ושמירה על רצפים מדויקים) ושני באחד (הרחבת קיצורים). בלוח Provider Voice הוא במקום העשירי, עם Elo של 1,243, עלייה של 101 נקודות לעומת S2.1 Pro. בין מודלי ה-TTS עם משקלים פתוחים הוא במקום הראשון בשלושת הלוחות של Artificial Analysis.

לגבי המחיר: הבלוג של Fish Audio מציין הנחה של 80% ל-API עד 12.11, וההודעה לעיתונות מדברת על 80% ב-30 הימים הראשונים. לא מצאנו בבלוג של החברה את מחיר הבסיס של 50 דולר למיליון תווים, ולכן איננו מפרסמים אותו. Artificial Analysis מציינת 15 דולר למיליון תווים, כמו S2.1 Pro. לפני תכנון עלויות כדאי לבדוק את התמחור העדכני בעמוד התוכניות הרשמי של Fish Audio, כי מועד ההנחה ואחוזיה מופיעים בשני המקורות בניסוח שונה.

מקורות לעדכון: הבלוג הרשמי של Fish Audio; הפוסט של Artificial Analysis ב-X.

Fish Audio הכריזה על Drama 3, מודל דיבור שמפרסם את המשקלים שלו ב-Hugging Face, ושבו מנחים את הקול בשפה רגילה ומגדירים רגש מילה אחר מילה, גם באמצע משפט. לפי הבלוג הרשמי של החברה, ההשקה הייתה ב-13 באוקטובר 2026.

במקום לבחור קול מתוך רשימה, המשתמש כותב הנחיה בשפה טבעית, למשל איך הדובר צריך להישמע, ומגדיר את הרגש של כל מילה או חלק במשפט. החברה מתארת את זה כשליטה ברמת המילה, לא ברמת הפסקה. בדוגמאות שבבלוג, הנחיה כמו „[שובר את הקול] Stay away from the windows” מופיעה בתוך המשפט עצמו, והקול מתחלף בנקודה שבה ההנחיה משתנה.

מה משתנה למפתחים

המודל זמין ב-Hugging Face עם כרטיס מודל, ואפשר להריץ אותו אצלכם באמצעות SGLang-Omni. זה ההבדל המרכזי מול מודלים שזמינים רק דרך API סגור. עם זאת, זו לא קוד פתוח במובן המלא: הרישיון (Fish Audio Community License v1.0) מתיר שימוש מסחרי חופשי רק לחברות ולאנשים עם הכנסה שנתית של עד 500 אלף דולר, ודורש רישיון מהחברה מעבר לכך, וכן אוסר לשכפל קול של אדם אמיתי ללא הסכמתו.

לפי כרטיס המודל, Drama 3 תומך ב-83 שפות, וביניהן עברית. זו רשימת השפות שהחברה מפרסמת. לא בדקנו בעצמנו את איכות הדיבור בעברית.

הטענה על הגייה

החברה מדווחת על ציון של 93.2% במדד Pronunciation Robustness של Artificial Analysis, לעומת 73.2% ל-S2.1 Pro של החברה עצמה. המדד מודד קריאה נכונה של מילים קשות כמו מספרים, קודים, שמות מותג ומילים שתלויות בהקשר. Fish Audio מציגה את זה כמדד עצמאי, אבל הציון וההשוואה לגרסה הקודמת הם נתוני החברה שלה, ולא בדקנו אותם מחדש.

מחיר וזמינות

בבלוג ובהודעה לעיתונות החברה כותבת שהמודל זמין כבר היום בממשק הטקסט לדיבור באתר fish.audio, באפליקציה ל-iOS ו-Android, וב-API. ב-API המחיר הרגיל הוא 50 דולר למיליון תווים, וההנחה של 80% מחזירה אותו ל-10 דולר עד 12 בנובמבר 2026. מנויי יוצרים חדשים מקבלים 50% הנחה על התוכנית הראשונה עד אותו תאריך. בהודעה לעיתונות מופיע גם הנוסח „ל-30 ימים הראשונים”, כלומר יש כאן הבדל קטן בין המקורות לגבי משך ההנחה, ועל כן אנחנו מציינים את התאריך מהבלוג.

מה החברה טוענת בלבד

הפוסט ב-X ובהודעה לעיתונות מציינים גיוס זרע של 52 מיליון דולר ומעל 15 מיליון משתמשים. אלה נתוני החברה, ולא אימתנו אותם מול גורם עצמאי. ההודעה גם טוענת לצמיחה של 21 מיליון דולר ARR ולמקום ראשון ברשימה של Ahrefs; אלה טענות החברה בלבד.

המודל יושווה עם מודלים אחרים בשוק רק במדדי הקול שהחברה מצטטת. ההשקה חופפת ליום אחר בשוק ה-AI, אבל לא בדקנו מה עוד הושק באותו יום.

מקורות

הבלוג הרשמי של Fish Audio: fish.audio/blog/fish-audio-drama-3
כרטיס המודל ב-Hugging Face: huggingface.co/fishaudio/drama-3
הודעת Fish Audio ב-PR Newswire: prnewswire.com
הפוסט הרשמי ב-X: x.com/FishAudio