Fish Audio hat Drama 3 als neues Text-to-Speech-Modell veröffentlicht. Es kann Skripte mit sprachlichen Anweisungen wie „[kaum noch die Fassung bewahren]“ in gesprochene Dialoge umsetzen. Die Anweisungen dürfen in einer anderen Sprache als der gesprochenen Zeile verfasst sein. Markierungen wie <whisper> wirken laut Dokumentation nur auf den jeweils gekennzeichneten Textabschnitt. Über Sprecher-Tags lassen sich bis zu 16 Figuren in einer Anfrage anlegen; für jede wird eine Voice-ID verwendet.
Das Modell umfasst insgesamt 35 Milliarden Parameter und aktiviert pro Token ungefähr 3 Milliarden. Es basiert laut Fish Audio auf Qwen3.5-35B-A3B. Die Audioausgabe erfolgt mit 44,1 kHz. Für den Betrieb nennt die Installationsanleitung mindestens 48 GB Speicher auf einer NVIDIA-GPU im FP8-Modus. CPU, Apple MPS und AMD ROCm werden nicht unterstützt. Die Gewichte stehen auf Hugging Face bereit, außerdem ist Drama 3 über die Fish Audio API verfügbar.
Bei der von Fish Audio angeführten Artificial-Analysis-Prüfung zur Aussprache erreicht Drama 3 insgesamt 93,2 Prozent und liegt damit vor dem Vorgänger S2.1 Pro mit 88,1 Prozent. Besonders hoch fällt das Ergebnis bei Marken, Ortsnamen und Fachbegriffen mit 95,9 Prozent aus. Bei exakten Zeichenfolgen wie Codes, Pfaden und E-Mail-Adressen sind es 86,3 Prozent. Auf der Qualitätsrangliste von Artificial Analysis wird „Drama 3 Preview“ mit einem Elo-Wert von 1242 geführt; S2.1 Pro kommt dort auf 1190, Eleven v4 Turbo auf 1328.
Für API-Aufrufe wird im POST-Endpunkt /v1/tts der Modellname drama-3 übergeben. Fehlt der Modell-Header oder ist er falsch geschrieben, wechselt die API laut Dokumentation stillschweigend zu s2.1-pro. Der Listenpreis beträgt 50 US-Dollar pro einer Million Zeichen; bis zum 12. November 2026 gilt laut Fish Audio ein Einführungspreis von 10 US-Dollar. Die Community-Lizenz erlaubt Forschung und nicht-kommerzielle Nutzung kostenlos. Kommerzielle Nutzung ist bis zu einem Jahresumsatz von 500.000 US-Dollar kostenlos; für das Angebot als Drittanbieter-API ist eine separate Lizenz nötig. Produkte müssen „Built with Fish Audio“ anzeigen, und das Klonen einer realen Stimme ohne Zustimmung ist untersagt.