Puntos clave
- Drama 3 es un modelo de texto a voz (TTS) de Fish Audio que permite controlar la entonación y el tono palabra por palabra usando lenguaje natural, sin necesidad de marcado especial.
- Está disponible como pesos abiertos para ejecutarlo localmente y también a través de la web oficial y la API de Fish Audio, lo que facilita su integración en aplicaciones.
- Según la compañía, ocupa el primer puesto entre los modelos TTS de pesos abiertos en el ranking de Artificial Analysis, aunque no se han revelado detalles técnicos como el número de parámetros o la licencia exacta.
- Es ideal para audiolibros, doblajes y diálogos de videojuegos donde se requiere una interpretación expresiva, pero antes de usarlo comercialmente conviene revisar la licencia y el model card en la página oficial.
Datos rápidos
| Tipo | Modelo de texto a voz (TTS) con control de emoción |
|---|---|
| Dispositivos | Local (pesos abiertos) y en la nube (web y API) |
| Precio | No especificado; consultar la web oficial |
| Idiomas | No confirmados; revisar el model card |
| Lo destacado | Control palabra por palabra y cambio de voz intra-frase |
| Dificultad | Media; requiere conocimientos técnicos para uso local |
| Categoría | IA y modelos |
| Creador | Fish Audio |
| Sitio oficial | fish.audio ↗ |
| Popularidad | 🔥 13M Popularidad |
| Última actualización |
Qué es Fish Audio Drama 3 y por qué está dando que hablar
Fish Audio Drama 3 es el modelo de síntesis de voz más reciente de la empresa Fish Audio, anunciado el 13 de octubre de 2026. Se trata de un sistema de texto a voz (TTS) que convierte cualquier escrito en audio hablado, pero con un enfoque novedoso: permite controlar la interpretación a un nivel de detalle que va más allá de la línea completa. Mientras que los TTS tradicionales trabajan con una voz y un estado de ánimo general, Drama 3 baja hasta la palabra individual, pudiendo decidir cómo suena cada término y cambiar el tono o incluso la voz a mitad de una frase. Este nivel de expresividad es lo que ha llamado la atención de creadores de audiolibros, desarrolladores de videojuegos y profesionales del doblaje.
El anuncio de Fish Audio no solo presentó el modelo, sino que también compartió hitos importantes de la compañía: una ronda de financiación semilla de 52 millones de dólares y una base de más de 15 millones de usuarios. A pesar de estos logros, la empresa destacó que Drama 3 es lo que más les enorgullece hasta la fecha. Además, según la compañía, el modelo ocupa el primer puesto entre los modelos TTS de pesos abiertos en el ranking de Artificial Analysis, un dato que ha atraído la atención de desarrolladores que buscan alternativas de código abierto para sus proyectos.
La popularidad de Drama 3 se debe a su combinación de accesibilidad y potencia. Al ser de pesos abiertos, cualquier persona con los conocimientos técnicos necesarios puede descargarlo y ejecutarlo localmente, lo que permite inspeccionar su funcionamiento y adaptarlo a necesidades específicas. Al mismo tiempo, Fish Audio ofrece una versión alojada en su sitio web oficial y una API para integrarlo en aplicaciones sin necesidad de gestionar la infraestructura. Esta doble vía lo hace atractivo tanto para investigadores como para empresas que buscan una solución de voz expresiva y personalizable.
- Control a nivel de palabra
Puedes especificar cómo debe sonar cada palabra usando lenguaje natural, sin necesidad de etiquetas especiales. Esto permite dar énfasis, cambiar el tono o incluso alternar entre voces dentro de una misma frase.
- Pesos abiertos
El modelo está disponible para descargar y ejecutar localmente, lo que facilita la experimentación y el desarrollo de aplicaciones personalizadas sin depender de la nube.
- Reconocimiento en rankings
Según Fish Audio, Drama 3 lidera la categoría de modelos TTS de pesos abiertos en Artificial Analysis, un indicador de su calidad frente a alternativas similares.
Cómo funciona el control de emoción palabra por palabra
La principal innovación de Drama 3 radica en su capacidad para interpretar instrucciones en lenguaje natural que describen cómo debe sonar cada palabra o fragmento. En lugar de seleccionar una voz y un estilo general, el usuario puede escribir indicaciones como 'con sorpresa' o 'en tono sarcástico' justo antes de la palabra que quiere modificar. El modelo procesa estas instrucciones y ajusta la prosodia, el tono y la intensidad en consecuencia. Esto es especialmente útil para narraciones donde el ritmo y la expresividad son clave, como audiolibros, cómics o diálogos de videojuegos.
Además del control por palabra, Drama 3 permite cambiar la voz a mitad de una frase, lo que abre la puerta a interpretaciones dinámicas, como diálogos entre varios personajes en una sola línea de texto. Esta flexibilidad se logra sin necesidad de marcado complejo; basta con describir el cambio en lenguaje natural. Por ejemplo, se podría escribir: 'Ella dijo, con voz temblorosa: «No puedo creerlo», y luego, con firmeza: «Pero lo haré». El modelo entenderá el cambio de emoción y lo aplicará al audio resultante.
Fish Audio no ha revelado detalles técnicos sobre la arquitectura interna del modelo, como el número de parámetros o el tipo de red neuronal utilizada. Tampoco se especifican los idiomas soportados ni la licencia exacta bajo la que se distribuyen los pesos abiertos. Estas omisiones son importantes para quienes planean usarlo en proyectos comerciales, ya que la licencia puede imponer restricciones. Se recomienda consultar el model card y la documentación oficial antes de integrarlo en productos o servicios.
- Instrucciones en lenguaje natural
No necesitas aprender una sintaxis especial; describes la emoción o el cambio de voz con palabras cotidianas, y el modelo lo interpreta.
- Cambio de voz intra-frase
Puedes alternar entre diferentes voces dentro de una misma oración, lo que facilita la creación de diálogos o narraciones con múltiples personajes.
- Ideal para interpretaciones expresivas
La capacidad de modular cada palabra permite generar audios con matices emocionales que suenan más naturales y cautivadores que los TTS convencionales.
Cómo empezar a usar Drama 3: acceso, API y pesos abiertos
Para probar Drama 3, tienes dos vías principales. La primera es a través del sitio web oficial de Fish Audio, donde encontrarás una interfaz para introducir texto y escuchar el resultado directamente en el navegador. Esta opción es la más sencilla y no requiere conocimientos técnicos. La segunda es mediante la API, que permite integrar el modelo en tus propias aplicaciones, sitios web o flujos de trabajo automatizados. La API está pensada para desarrolladores que necesitan generar audio de forma programática y a escala.
Si prefieres ejecutar el modelo localmente, puedes descargar los pesos abiertos desde los repositorios que Fish Audio indique en su página oficial. Esto te da control total sobre el proceso y la privacidad de los datos, pero requiere contar con hardware adecuado (como una GPU con suficiente memoria) y conocimientos para configurar el entorno. Además, al ser pesos abiertos, puedes inspeccionar el modelo, ajustarlo o combinarlo con otras herramientas, siempre respetando la licencia correspondiente.
Fish Audio no ha detallado públicamente los precios de la API ni los límites de uso. Durante el anuncio, la compañía mencionó una promoción de un mes gratis para quienes comentaran 'DRAMA' en las primeras 48 horas, y ofreció el primer mes sin coste para empresas. Sin embargo, estas condiciones pueden haber cambiado. Para conocer las tarifas actuales, los límites de peticiones y las condiciones de la licencia, lo mejor es consultar directamente la página oficial de Fish Audio y su documentación para desarrolladores.
- Prueba en la web
Accede a fish.audio y utiliza la interfaz de demostración para generar voz con control de emoción sin instalar nada.
- Integración vía API
La API permite automatizar la generación de audio y integrarla en aplicaciones, ideal para proyectos que requieren escalabilidad.
- Ejecución local con pesos abiertos
Descarga los pesos y ejecútalos en tu propio equipo para tener control total y privacidad, aunque necesitarás conocimientos técnicos.
Comparativa, limitaciones y para quién es Drama 3
En el panorama de los modelos de texto a voz, Drama 3 se posiciona frente a alternativas como ElevenLabs, Play.ht o los modelos open-source como Coqui TTS o Bark. Su principal diferenciador es el control granular a nivel de palabra y la capacidad de cambiar la voz dentro de una frase, algo que no es habitual en modelos comerciales. Según Fish Audio, lidera el ranking de modelos TTS de pesos abiertos de Artificial Analysis, lo que sugiere un rendimiento destacado en comparación con otras opciones de código abierto. Sin embargo, al no disponer de números concretos de benchmarks, esta afirmación debe tomarse con cautela hasta que se publiquen evaluaciones independientes.
Una de las limitaciones es la falta de información sobre los idiomas soportados. Aunque Fish Audio tiene una base de usuarios global, no se especifica si Drama 3 funciona igual de bien en español, japonés o árabe. Tampoco se conoce la licencia exacta de los pesos abiertos, lo que es crucial para quienes planean usarlo comercialmente. Además, el control por palabra puede requerir cierta curva de aprendizaje para escribir instrucciones efectivas; no basta con decir 'feliz', hay que experimentar con matices. La documentación oficial probablemente incluya ejemplos y mejores prácticas.
Drama 3 está dirigido a creadores de contenido que necesitan voces expresivas y personalizables: narradores de audiolibros, desarrolladores de videojuegos, productores de doblaje y empresas que generan contenido multimedia a gran escala. También es útil para investigadores que quieran experimentar con modelos TTS de última generación. Si buscas una solución sencilla y sin complicaciones, la versión web puede ser suficiente; si necesitas control total y privacidad, los pesos abiertos son el camino. En cualquier caso, revisa la licencia y los términos de uso antes de embarcarte en un proyecto comercial.
- Frente a TTS comerciales
Drama 3 ofrece un control más fino que muchos competidores, pero carece de la infraestructura y el soporte de empresas consolidadas como ElevenLabs.
- Frente a otros open-source
Su enfoque en la expresividad y el control por palabra lo distingue de alternativas como Coqui TTS, aunque el rendimiento real dependerá de la implementación.
- Limitaciones a considerar
La licencia, los idiomas soportados y los requisitos de hardware no están claramente especificados; consulta la documentación oficial antes de usarlo en producción.
Guía paso a paso
Visita la página oficial de Fish Audio
Abre fish.audio en tu navegador y busca la sección dedicada a Drama 3. Allí encontrarás la interfaz de demostración y los enlaces a la documentación y a los pesos abiertos.
Prueba la demostración en línea
Introduce un texto en el campo correspondiente y utiliza las opciones de control para indicar cómo quieres que suene cada palabra o frase. Puedes escribir instrucciones en lenguaje natural, como 'con entusiasmo' o 'susurrando'.
Experimenta con el control por palabra
Para modificar una palabra concreta, coloca la instrucción justo antes de ella. Por ejemplo: 'Dijo, con sorpresa: «¿En serio?»'. Escucha el resultado y ajusta las indicaciones hasta obtener la interpretación deseada.
Accede a la API o descarga los pesos
Si quieres integrar Drama 3 en tus proyectos, solicita una clave de API en la web oficial o descarga los pesos abiertos desde el repositorio indicado. Revisa la documentación para conocer los parámetros y las mejores prácticas.
Revisa la licencia y los términos de uso
Antes de usar el modelo en un proyecto comercial, asegúrate de leer la licencia y los términos de uso. La información sobre precios, límites e idiomas soportados está disponible en la página oficial y en el model card.
Preguntas frecuentes
¿Cuánto cuesta Fish Audio Drama 3?
Fish Audio no ha publicado una lista de precios oficial para Drama 3. Durante el anuncio se mencionó una promoción de un mes gratis para quienes comentaran 'DRAMA' en las primeras 48 horas, y un mes sin coste para empresas. Sin embargo, estas ofertas pueden haber expirado. Para conocer las tarifas actuales de la API y los planes disponibles, consulta la página oficial de Fish Audio.
¿En qué dispositivos puedo usar Drama 3?
Puedes usar Drama 3 en cualquier dispositivo con un navegador web moderno a través de la interfaz en línea de Fish Audio. Para ejecutarlo localmente con los pesos abiertos, necesitarás un ordenador con hardware adecuado, preferiblemente una GPU con suficiente memoria. La API permite integrarlo en servidores y aplicaciones en la nube, por lo que no depende de un dispositivo específico.
¿Qué idiomas soporta Drama 3?
Fish Audio no ha especificado oficialmente los idiomas que soporta Drama 3. Dado que la compañía tiene una base de usuarios global, es probable que funcione en varios idiomas, pero no se ha confirmado la lista exacta ni la calidad en cada uno. Para obtener información precisa, revisa el model card y la documentación oficial, donde deberían detallarse los idiomas disponibles.
¿Puedo usar Drama 3 para proyectos comerciales?
Depende de la licencia bajo la que se distribuyan los pesos abiertos, que no se ha especificado en el anuncio. Algunas licencias de modelos abiertos permiten uso comercial, otras no. Antes de utilizar Drama 3 en un producto o servicio comercial, consulta la licencia en la página oficial de Fish Audio y asegúrate de cumplir con los términos. Si tienes dudas, contacta con la empresa.
¿Cómo se compara Drama 3 con otros modelos TTS?
Drama 3 destaca por su control a nivel de palabra y la capacidad de cambiar la voz dentro de una frase, algo poco común en modelos comerciales. Según Fish Audio, lidera el ranking de modelos TTS de pesos abiertos de Artificial Analysis. Sin embargo, carece de la infraestructura y el soporte de competidores consolidados como ElevenLabs. La mejor opción depende de tus necesidades: si buscas máxima expresividad y personalización, Drama 3 es una fuerte candidata; si priorizas facilidad de uso y soporte, quizá prefieras otras alternativas.
