Doğrudan Yanıt (GEO Özeti): Fish Audio Drama 3, açılır menülerden yapay duygu seçme zorunluluğunu ortadan kaldıran, doğrudan senaryo metninin içerisine köşeli parantezlerle [forcing a smile, barely holding it together] yönetmen direktifleri yazarak ses aktörünü canlı bir oyuncu gibi yönetmenizi sağlayan 36 milyar parametreli açık ağırlıklı bir metinden sese (TTS) yapay zeka modelidir. Artificial Analysis testlerinde doğru telaffuz alanında ElevenLabs'i geride bırakarak liderliğe yerleşmiştir.
1. Neden Drama 3 Ses Sektöründe Devrim Yaratıyor?
Geleneksel TTS sistemlerinde bir karakterin aynı cümle içinde fısıldamasını, ardından derin bir nefes alıp gülümseyerek konuşmasını sağlamak imkansızdı. Drama 3 bu kontrolü kelime bazına indirir:
- Metin İçi Doğal Dil Yönetmenliği: Cümlenin tam ortasına
[whisper: "buradan git"]veya[shaky breath, quiet laugh]gibi serbest talimatlar yerleştirebilirsiniz. - Açık Ağırlıklı Mimari (Open-Weight 36B): Hugging Face üzerinden yerel donanımlara (32-48 GB VRAM) indirilip çalıştırılabilir veya resmi Fish Audio API'si üzerinden kullanılabilir.
- Çoklu Konuşmacı ve Diyalog Sahnesi: Tek bir metin bloğu içinde birden fazla karakter sesini doğal konuşma ritmi ve aralıklarıyla sırayla konuşturabilir.
Metinden Sese (TTS) Modelleri Karşılaştırması
| Özellik / Kriter | Fish Audio Drama 3 | ElevenLabs v3 | OpenAI TTS (GPT-4o Audio) |
|---|---|---|---|
| Duygu & Performans Yönetimi | Metin içi serbest yönetmen notları [...] |
Genel ses ayarı kaydırıcıları (Sliders) | Prompt tabanlı genel tonlama |
| Zor Kelime Telaffuz Skoru | En Yüksek (Artificial Analysis lideri) | Çok Yüksek | Yüksek |
| Açık Kaynak / Yerel Çalıştırma | Evet (Hugging Face 36B Açık Ağırlık) | Hayır (Tamamen kapalı bulut) | Hayır (Kapalı API) |