Весело
Весело

Fish Audio Drama 3: режиссура голоса по API

Fish Audio Drama 3 — новая модель озвучки Fish Audio для режиссуры голоса. Рядом с текстом ты описываешь, как сыграть реплику, где вздохнуть, где засмеяться и какое слово выделить. Список языков для Drama 3 Fish не публикует, все её примеры английские, поэтому русский текст сначала проверь в блоке «Попробовать». Цена — 11,18 ₽ за 1000 букв кириллицы.

  • 11,18 ₽ за 1000 букв кириллицы
  • до 4 096 знаков
  • текст → звук

fishaudio/drama-3

Обновлено:

Получить ключ Попробовать Документация

Попробовать Fish Audio Drama 3

Отправь текст — модель вернёт его голосом. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.

Текст для озвучки: «[excited] We did it! [laughs] I can not believe the show is finally on air tonight!»

В ответ приходит сам звук, по умолчанию MP3; цена — в заголовке x-veselo-cost-rub.

Цены Fish Audio Drama 3 в рублях

Текст — латиница, цифры и пробелы — вдвое дешевле11,18 ₽ за 1000 букв кириллицы

Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена

Сколько стоят типичные задачи

Суммы посчитаны по цене выше — сколько спишется за такую работу.

Трейлер или тизер на английском: тизер на 400 знаков по-английскиОколо 2,24 ₽
Реплики персонажей в англоязычной игре: сто реплик по 80 знаков по-английскиОколо 44,72 ₽
Карточки и диалоги для изучения английского: пятьсот карточек по 60 знаков по-английскиОколо 167,70 ₽

Что умеет Fish Audio Drama 3

  • Принимает указания актёру обычными словами в квадратных скобках перед репликой, например [forcing a smile, voice trembling] (Drama 3 в документации Fish).
  • Указания можно писать на любом языке, и он не обязан совпадать с языком текста.
  • Звуки и паузы ставятся в скобках там, где они звучат: [shaky breath], [small laugh].
  • Парные теги меняют подачу отдельных слов: <whisper>, <emphasis>, <soft>, <fast>, <slow>, <stress>, <forceful>.
  • В пробном режиме переключает язык на одну фразу тегами вроде <french>…</french> и понимает фонемы для произношения имён.
  • Берёт до 4 096 знаков текста; звук возвращает в MP3, WAV, Opus или PCM.

Где применять

Трейлер или тизер на английском

Трейлеру нужен голос, который держит паузу и давит интонацией, а не громкостью. В Drama 3 это пишется прямо в скобках: [slow, dangerously quiet] для угрозы, [shaky breath] для страха в нужный момент. Из официальных голосов Fish для такой работы подходит Adrian с глубоким драматичным тембром. Сделай несколько вариантов указаний к ключевой фразе и выбери самый сильный: формулировка указания меняет игру заметнее, чем выбор голоса.

Пример запроса: «[slow, dangerously quiet] They said the city would sleep tonight. [shaky breath] They were wrong.»

Стоимость: тизер на 400 знаков по-английски — около 2,24 ₽.

Реплики персонажей в англоязычной игре

Игровому персонажу мало правильной эмоции, ему нужен характер. В Drama 3 указание пишут, как бриф актёру: кто говорит, с каким намерением и в каком темпе, например [fast, nervous] для паникующего механика. Каждого героя закрепи за отдельным голосом и озвучивай реплики отдельными запросами. Неудачную реплику так проще переделать, не трогая остальную сцену. Указания для героя держи в одной таблице со сценарием, чтобы механик не стал вдруг спокойным в пятой главе.

Пример запроса: «[fast, nervous] Uh, captain? The engine is making that noise again.»

Стоимость: сто реплик по 80 знаков по-английски — около 44,72 ₽.

Карточки и диалоги для изучения английского

В учебных фразах важно показать, на какое слово падает ударение. Парные теги Drama 3 делают это точечно: <emphasis> выделяет слово голосом, <stress> подчёркивает ударение, <slow> замедляет трудное место. Для имён и терминов есть фонемы, а экспериментальные языковые теги вставляют в английскую фразу кусок на французском или испанском. Языковые теги Fish помечает как пробные, поэтому каждую пару языков проверь отдельно, на том голосе, который пойдёт в приложение.

Пример запроса: «Repeat after me: I would <emphasis>really</emphasis> like a cup of tea.»

Стоимость: пятьсот карточек по 60 знаков по-английски — около 167,70 ₽.

Как писать запрос

Указание пиши как бриф живому актёру: эмоция, намерение, темп, к кому обращаются. Звук ставь ровно туда, где он должен прозвучать, а парный тег — только вокруг нужных слов. Указания и теги входят в объём текста, за который ты платишь. Fish считает его в байтах, поэтому цена — за 1000 букв кириллицы, а английский текст идёт за полцены: тысяча латинских знаков стоит как пятьсот русских.

Характеристики

РазработчикFish Audio
ВидОзвучка текста
ГолосаAdrian, Ethan, Hannah, Jordan, Laura, Sarah и ещё 1
Языкиen
Текст за запросдо 4 096 знаков
Форматы звукаmp3, opus, wav, pcm
Как считается текстЦена — за 1000 букв кириллицы. Латиница, цифры, пробелы и знаки препинания стоят вдвое дешевле: модель считает текст в байтах.
id для запросаfishaudio/drama-3

Как подключить

Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.

Запрос — POST https://veselo.ai/v1/audio/speech с полем model: fishaudio/drama-3, ключ — в заголовке Authorization: Bearer sk-vsl-….

curl

curl https://veselo.ai/v1/audio/speech \
  -H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "fishaudio/drama-3",
    "voice": "bf322df2096a46f18c579d0baa36f41d",
    "input": "Добрый вечер! Сегодня в программе — хорошие новости."
  }' \
  --output speech.mp3

Python

from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)

with client.audio.speech.with_streaming_response.create(
    model="fishaudio/drama-3",
    voice="bf322df2096a46f18c579d0baa36f41d",
    input="Добрый вечер! Сегодня в программе — хорошие новости.",
) as r:
    r.stream_to_file("speech.mp3")

JavaScript

import fs from 'node:fs';

const res = await fetch('https://veselo.ai/v1/audio/speech', {
  method: 'POST',
  headers: { Authorization: 'Bearer sk-vsl-ТВОЙ_КЛЮЧ', 'Content-Type': 'application/json' },
  body: JSON.stringify({ model: 'fishaudio/drama-3', voice: 'bf322df2096a46f18c579d0baa36f41d', input: 'Добрый вечер! Сегодня в программе — хорошие новости.' }),
  signal: AbortSignal.timeout(600_000),
});
if (!res.ok) throw new Error((await res.json()).error.message);
fs.writeFileSync('speech.mp3', Buffer.from(await res.arrayBuffer()));

Пример ответа — только поля

HTTP/1.1 200 OK
Content-Type: audio/mpeg
x-veselo-cost-rub: …

<звук MP3>

В программах: тем же ключом — из любого кода, а без ключа Claude, ChatGPT и Cursor зовут модель по MCP: вход на сайте и кнопка «Разрешить». MCP

Документация раздела

Сравнение с похожими

МодельЦенаГлавноеКогда выбрать
Fish Audio Drama 3 — эта модель11,18 ₽ / 1000 букв кириллицыдо 4 096 знаковактёрская озвучка трейлеров и персонажей на английском с указаниями к каждой реплике
Fish Audio S2.1 Pro — Fish Audio3,36 ₽ / 1000 букв кириллицыдо 4 096 знаковживая озвучка роликов и уроков с эмоциями, описанными своими словами
Eleven v3 — ElevenLabs11,18 ₽ / 1000 знаковдо 4 096 знаковигровая озвучка роликов, рекламы и скетчей со смехом, шёпотом и звуками
Grok TTS — xAI (Grok)1,68 ₽ / 1000 знаковдо 4 096 знаковживая озвучка со смехом, паузами и шёпотом по тегам в тексте, на русском и ещё 19 языках
Eleven Multilingual v2 — ElevenLabs11,18 ₽ / 1000 знаковдо 4 096 знаковдлинные ровные тексты на русском: аудиокниги, справки, голос бренда
MiniMax Speech 2.8 HD — MiniMax11,18 ₽ / 1000 знаковдо 4 096 знаковаудиогиды, курсы и реклама, где качество голоса важнее цены за знак
  • Fish Audio S2.1 Pro — если нужен русский текст: у S2.1 Pro 83 языка и тот же синтаксис скобок.
  • Eleven v3 — когда нужны готовые звуковые теги вроде аплодисментов и выстрела.
  • Grok TTS — если хватит коротких тегов [laugh], [pause] и <whisper>, а голос должен говорить по-русски.

Как устроен доступ

Весело — не разработчик Fish Audio Drama 3: модель выпускает Fish Audio. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность

Вопросы и ответы

Говорит ли Fish Audio Drama 3 по-русски?
Fish не публикует список языков для Drama 3, а все примеры в её документации английские. Поэтому русскую озвучку мы не обещаем: проверь свою фразу в блоке «Попробовать», прежде чем отправлять много текста. Для русского есть Fish Audio S2.1 Pro с 83 языками.
Чем указания Drama 3 отличаются от тегов S2.1 Pro?
S2.1 Pro понимает эмоцию в скобках, а Drama 3 — целую задачу для актёра: кто говорит, с каким намерением, кому и в каком темпе. Вдобавок у Drama 3 есть парные теги для отдельных слов и звуки прямо в том месте, где они случаются.
Можно ли озвучить в Drama 3 диалог нескольких героев одним запросом?
У самой Fish — да, если передать несколько голосов. В нашем API один запрос — это один голос, поэтому диалог собирают из реплик: каждую озвучивают отдельно и склеивают в монтаже.
Как выделить одно слово в Fish Audio Drama 3?
Оберни его парным тегом: <emphasis> для нажима, <stress> для ударения, <whisper> для шёпота, <slow> или <fast> для темпа. Тег действует только на слова внутри, остальная фраза звучит как прежде.
Есть ли подписка или абонентская плата?
Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
Сколько запросов можно отправлять?
До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
Можно ли использовать результат в рекламе и соцсетях?
Можно: мы не претендуем на результат, использовать его можно любым законным способом, не нарушая прав других людей. Только не выдавай его за голос, лицо или слова настоящего человека — так требуют правила API.

Ещё по теме

Факты сверены 16 ноября 2026 по документации: docs.fish.audio