Fish Audio Drama 3: 대본 속 16명의 감정 연기를 읽어 주는 오픈 웨이트 TTS
무엇인가요
글을 음성으로 읽어 주는 TTS(텍스트 음성 변환) 모델로, 한 대본에 최대 16명의 화자를 넣고 [속삭이며], [웃으며]처럼 대괄호로 연기 지시를 적으면 그 자리부터 말투가 바뀌어요. 83개 언어를 지원하고 350억 파라미터 중 토큰마다 약 30억 개만 쓰는 MoE 구조예요. 가중치는 Hugging Face, 코드는 GitHub fishaudio/fish-speech에 있고 fish.audio 앱과 API(model: drama-3)로도 쓸 수 있어요.
왜 중요한가요
오디오북·게임 대사·광고 시안처럼 여러 인물이 나오는 음성을 성우 없이 초안으로 뽑을 수 있어요. Artificial Analysis 발음 견고성 테스트에서 93.2%를 받아 이전 S2.1 Pro(88.1%)보다 나아졌다업체 주장고 하고 코드·경로·이메일 같은 정확한 문자열 읽기도 79.4%에서 86.3%로 올랐다업체 주장고 해요.
완성도
GA 정식가중치·앱·API가 모두 열린 정식 출시예요. 다만 연 매출 50만 달러 이상 회사나 TTS 서비스로 재판매하려는 곳은 별도 라이선스가 필요하고 동의 없이 실존 인물 목소리를 복제하는 건 금지돼요.
앞으로 이렇게 지켜보세요
- 가격: API 출시 할인가(100만 자당 10달러)가 끝나는 11.12 이후 정가 50달러가 적용되는지 가격 페이지에서 봐요.
- 독립 측정: Artificial Analysis TTS 리더보드에서 Drama 3 순위를 확인해요.
- 서빙: SGLang-Omni 쿡북과 GitHub fish-speech 릴리스에서 로컬 추론 지원이 넓어지는지 지켜봐요.