Fish Audio Drama 3 : une voix IA qu'on dirige comme un acteur

Le 13 octobre 2026, la start-up Fish Audio a lancé Drama 3, son nouveau modèle de synthèse vocale. Sa promesse : lire un texte comme un acteur suit les indications d'un metteur en scène. On écrit l'émotion voulue entre crochets, et la voix pleure, s'énerve ou éclate de rire au bon endroit, y compris au milieu d'une phrase.

Une voix qu'on met en scène

Le principe est simple. Dans le texte, on glisse des indications comme « la voix qui se brise » ou « chuchoté, terrifié », écrites en langage courant et placées entre crochets. Drama 3 les applique exactement là où elles se trouvent. Une balise d'emphase permet aussi de faire ressortir quelques mots précis.

Fish Audio annonce 83 langues, et l'indication peut être écrite dans une autre langue que la réplique. L'entreprise vise les livres audio, les fictions sonores, les jeux vidéo, l'animation et les vidéos courtes. Dans la vidéo de lancement, l'humoriste Uncle Roger dirige un clone de sa propre voix, créé avec son accord.

Plus d'émotion ne veut pas dire moins de diction, selon Fish Audio. Le test de prononciation d'Artificial Analysis piège les modèles avec des noms de marques, des nombres, des codes et des mots dont la lecture dépend du contexte. Drama 3 y lit correctement 93,2 % des mots difficiles, la première place du classement, contre 88,1 % pour S2.1 Pro, le modèle précédent de la marque.

Des poids ouverts, sous conditions

Comme S2 avant lui, Drama 3 est publié en poids ouverts sur Hugging Face, avec le code sur GitHub. On peut donc le faire tourner sur ses propres machines. Sa nouvelle licence, la Fish Audio Community License v1.0, fixe les règles :

• gratuit pour la recherche et l'usage non commercial ;
• gratuit pour un usage commercial tant que l'entreprise et ses filiales font moins de 500 000 dollars de chiffre d'affaires par an ;
• licence payante au-delà, ou pour proposer Drama 3 à d'autres comme service de voix ;
• interdiction de cloner la voix d'une personne réelle sans son consentement.

Ce n'est pas un modèle de salon. Il compte 35 milliards de paramètres, dont environ 3 milliards utilisés à chaque étape, et s'appuie sur le modèle de langage Qwen3.5-35B-A3B. Fish Audio donne ses mesures de vitesse sur une seule H200, une carte de data center.

Prix et disponibilité

Drama 3 est disponible sur le site fish.audio, dans l'app iOS et Android et dans l'API. Pour un développeur qui utilise déjà S2.1 Pro, il suffit de changer un en-tête. Jusqu'au 12 novembre, l'API coûte 10 dollars le million de caractères, au lieu de 50 dollars au tarif normal. Pour les créateurs, Drama 3 consomme autant de crédits que S2.1 Pro, et les nouvelles formules Plus, Pro et Max sont à moitié prix jusqu'à la même date. Les tarifs sont donnés en dollars.

Deux outils d'édition sont en test sur invitation : redemander une prise « plus douce que la précédente », ou remplacer un seul mot dans une prise déjà validée sans tout régénérer.

Notre lecture

Analyse. La voix de synthèse se juge désormais sur le jeu d'acteur, plus seulement sur la clarté. Après Eleven v4 d'ElevenLabs et Grok Voice 3.0 de xAI, Fish Audio se distingue en publiant ses poids, gratuits pour les petites structures. Pour un indépendant qui produit un livre audio ou un jeu, c'est une vraie option. La clause sur le consentement compte aussi : elle interdit noir sur blanc l'usage le plus redouté de ces outils, même si rien n'empêche techniquement de l'enfreindre.