Fish Audio Drama 3

Voces con IA que puedes dirigir, no solo generar

SaaSOpen SourceApp

Sobre Fish Audio Drama 3

Drama 3 es el nuevo modelo de voz de Fish Audio, diseñado para actuaciones que puedes controlar. Convierte guiones en audio expresivo ajustando emociones, ritmo, susurros, risas y pausas con instrucciones en lenguaje natural, incluso dentro de una misma frase. Ideal para audiolibros, escenas con múltiples personajes, diálogos de videojuegos y narraciones en 83 idiomas. Disponible en web, móvil y API, con pesos abiertos para autoalojamiento.

¿Qué es Fish Audio Drama 3?

Drama 3 es el modelo de texto a voz de Fish Audio centrado en la dirección actoral: además del guion, puedes escribir cómo quieres que suene cada línea. La idea es que el texto y las indicaciones conviven en el mismo campo, así que puedes leer, editar y reutilizar las instrucciones como si fueran parte del script.

El sistema admite varias formas de dirigir una misma frase: descripciones en lenguaje natural entre corchetes (por ejemplo, un tono cálido o defensivo), inserción de sonidos y pausas concretos como suspiros, risas o respiraciones, y etiquetas emparejadas que afectan solo a las palabras seleccionadas (susurro, énfasis, más lento, más rápido, suave, forzado). También existe Auto Tag, que añade direcciones automáticamente a un guion plano para que luego ajustes lo que no te convenza.

Para escenas con varios personajes, el editor de Text to Speech permite asignar una voz a cada hablante y generar el diálogo completo en una sola pasada. Lo mismo funciona desde la API: basta con enviar el guion con la cabecera de modelo drama-3. Actualmente está en fase de Preview, por lo que los resultados varían entre tomas y Fish Audio sigue actualizando el modelo.

Características principales de Fish Audio Drama 3

Direcciones en lenguaje natural entre corchetes para indicar emoción, intención, ritmo o a quién se dirige el personaje.
Inserción puntual de sonidos y pausas (suspiro, risa, respiración) exactamente donde los quieres.
Etiquetas emparejadas con alcance limitado a las palabras seleccionadas: susurro, énfasis, suave, más rápido, más lento o forzado.
Auto Tag, que propone direcciones sobre un guion plano como punto de partida editable.
Escenas multipersonaje: se añaden hablantes, se asigna una voz a cada uno y el diálogo se genera de una sola vez.
Acceso por API con la cabecera de modelo drama-3, donde funcionan las mismas etiquetas que en el editor.

¿Para quién es Fish Audio Drama 3?

Está pensado para quien necesita voz sintética con intención interpretativa y no solo una lectura correcta: guionistas y creadores de audiolibros, equipos de videojuegos que producen diálogos de personajes, productores de pódcast y vídeo, y desarrolladores que quieran integrar generación de voz dirigida en sus propias aplicaciones mediante la API.

Casos de uso

Narrar un audiolibro ajustando el tono línea a línea, con pausas y susurros en los momentos clave.
Producir una escena de interrogatorio o conversación con dos o más personajes, cada uno con su voz, en una sola generación.
Generar diálogos de personajes para un videojuego variando emoción e intensidad sobre el mismo texto base.
Integrar la generación de voz dirigida en un producto propio llamando a la API de Text to Speech con el modelo drama-3.

Precio de Fish Audio Drama 3

Fish Audio ofrece registro gratuito y una opción para probar Drama 3 sin coste, además de una página de precios y planes para empresa. Las cifras concretas de los planes no aparecen en las fuentes consultadas.

¿Fish Audio Drama 3 está disponible en español?

ParcialmenteLa web está en inglés pero enlaza a una versión en español, y el propio modelo acepta direcciones escritas en español (aparece un ejemplo del tipo «[conteniendo las lágrimas, pero sonriendo]»).

Preguntas frecuentes sobre Fish Audio Drama 3

¿Puedo escribir las indicaciones en español?: Sí: Fish Audio indica que las etiquetas y direcciones se pueden escribir en inglés o en tu propio idioma, y la interpretación sigue la indicación independientemente del idioma en que esté escrita.
¿Cómo se escribe una dirección?: Se coloca la indicación o el sonido entre corchetes en el punto exacto donde debe ocurrir, por ejemplo [sigh] o una descripción del estado emocional; para afectar solo a unas palabras, se seleccionan y se elige una etiqueta como Whisper o Slower, que el editor convierte en una etiqueta emparejada.
¿Qué significa que esté en Preview?: Que el modelo sigue mejorando: los resultados varían entre tomas, conviene generar varias y quedarse con la mejor, y Fish Audio continuará actualizándolo durante esta fase.