XNews

Fish Audio Drama 3、オープンウェイト音声アリーナと発音堅牢性で首位に

Fish Audio Drama 3、オープンウェイト音声アリーナと発音堅牢性で首位に

Fish AudioはDrama 3をリリースした。このモデルはArtificial Analysis Speech Arenasの両部門でオープンウェイトモデル中1位、Pronunciation Robustnessベンチマークでは全体1位(94.6%)を獲得している。Text to Speech with Provider VoiceでEloスコア1,278、Controlled Voiceで1,085を記録し、毎秒66.6文字を生成する。価格はFish Audio Community Licenseの下、100万文字あたり15ドルである。

イベントのバージョン 1.

Key insights

Provider Voiceアリーナランキング

Drama 3はText to Speech with Provider Voiceにおいて1,512回のアリーナ登場でEloスコア1,278を記録し、全体6位、オープンウェイトモデル中1位となった。Drama 3 Previewの1,240を38ポイント上回り、BreezeBlueのBreeze TTS 2の1,228を50ポイント上回っている。

Controlled Voiceアリーナランキング

Drama 3はText to Speech with Controlled Voiceにおいて1,958回の登場で1,085を記録し、全体12位、オープンウェイトモデル中1位となった。Ant GroupのMing-3.0-tts(1,068)およびDrama 3 Preview(1,063)を上回っている。

発音堅牢性

Drama 3はPronunciation Robustnessベンチマークにおいて2,157の評価対象スパンで94.6%を記録し、1位となった。Ming-3.0-ttsとDrama 3 Previewはいずれも93.2%である。

速度と価格

Drama 3は毎秒66.6文字を生成し、Drama 3 Previewの60.7、MurfのSpeech Gen 2の63.0を上回るが、ElevenLabsのEleven v4の70.0、v3 Conversationalの66.8には及ばない。Drama 3の価格は100万文字あたり15ドルであり、Provider Voiceで上位にランクするすべてのモデルはより高価である。

オープンウェイトライセンス

Drama 3はFish Audio Community Licenseの下でリリースされている。

Source posts