Fish Audio S1とDrama 3旧S1素材を現行指示構文へ移す条件
S1のPlaygroundや公開weightsを残すか、Drama 3のmodel: drama-3と角括弧指示へ移すか。音質の順位ではなく、台詞と指示の保存単位で決めます。
Fish AudioのS1発表、Drama 3発表、開発者資料を2026年10月19日に確認しました。S1の現在API IDは確定できないため、旧資産から現行API・self-hostへ移す条件を分けて記載します。
この記事の目次
旧S1資産を残すか現行APIへ移すか
Fish Audio S1は、2025年11月の公式発表で4Bのフル機能モデルとしてPlaygroundへ、S1-miniは0.5Bの公開モデルとしてHugging Faceへ案内された世代です。発表ではemotion、tone、special-effect markersを括弧で付ける書き方が示されています。一方、現在のDrama 3はAPIとWebで提供され、公式の呼び出し方はmodel: drama-3です。
過去の採用音声を再編集し、Playgroundまたは自前checkpointを維持できるならS1の資産を保存します。新しい台詞をAPIで連続生成し、行の途中で指示を切り替えたいならDrama 3を中心にします。S1を現在のAPIで呼べると推測しないことが分岐条件です。
S1は履歴・ローカル資産、Drama 3は現行API・Web経路として役割を分けます。声の自然さ、感情表現、速度はこの記事で測定していません。
正式名・入力・指示形式を比べる
| 確認軸 | Fish Audio S1 | Fish Audio Drama 3 | 制作で決めること |
|---|---|---|---|
| 正式な識別子 | S1（4B）、S1-mini（0.5B）。S1の現行Hosted API headerは未確認。 | drama-3。APIのmodel header。 | 旧checkpoint名とAPI model値を混ぜない。 |
| 入力 | テキスト、音声参照、括弧内のemotion/tone/effect markers。Playground/公開weights。 | テキスト、reference_id、角括弧指示、paired tags。API/Web/アプリ。 | 元台詞、参照音声、書式を版管理する。 |
| 出力・編集 | 音声ファイル。旧採用版とcheckpointを保持。 | MP3等のTTS出力。途中指示変更は可能だが編集APIは招待制テスト。 | 指示変更と再生成を別版にする。 |
| 料金 | 発表時の目安は約$15/100万bytes。現在単価ではない。 | 通常$50/100万characters、2026-11-12まで$10/100万characters。 | bytesとcharactersを変換して優劣を作らない。 |
Drama 3の83言語、参照音声、方向タグは現行資料の機能です。S1の発表時の言語・括弧マーカーと共通する用途があっても、同じAPI契約や上限だとは扱いません。
括弧から角括弧へ台詞を移す
S1の旧台本は、括弧内の感情、トーン、特殊効果、参照音声、checkpointの版、採用テイクを一緒に保存します。S1-miniとS1を同じモデルにまとめず、どのサイズで作ったかを台詞IDへ記録します。
Drama 3へ移すときは、行頭の指示を[calm, reassuring]のような角括弧へ、途中の声色変更を新しい角括弧へ、単語単位の変更をpaired tagへ分けます。reference_id、format、model header、返却音声の採用版を保存し、編集APIの一般公開を仮定しません。
S1の保存単位
- 括弧マーカーを含む原稿。
- S1/S1-mini、checkpoint、参照音声。
- Playgroundの採用テイクと日付。
Drama 3の保存単位
model: drama-3とendpoint。- 角括弧、paired tag、reference_id。
- 指示変更と再生成の版。
架空の多言語会話を移行する
仮の条件（実際の生成結果ではない）
架空の観光アプリの日本語ナレーションと英語の返答を同じキャラクター音声で作る。旧S1の参照音声と台本を保存し、新しい短編だけをDrama 3 APIへ移す。
- S1の台詞、括弧マーカー、参照音声、checkpoint、採用テイクを台詞IDごとに凍結する。
- Drama 3用に感情指示を角括弧へ翻訳し、途中の声色変更と単語の強調を別の指定へ分ける。
- 同じ参照音声を使う場合も、
reference_idと権利確認をDrama 3側へ置く。 - 日本語・英語の返却MP3を字幕行と人手で照合する。言語精度や声の一致率は測定していない。
旧版の再現が必要な台詞と現行APIの追加台詞を一つの履歴へ上書きしないことが移行の要点です。
bytesとcharactersの単位を分ける
Drama 3のAPIは通常$50/100万characters、2026年10月13日から11月12日までは$10/100万charactersと公式発表にあります。これはDrama 3 Hosted APIの文字単位です。現在の開発者ページにあるS2.1 Proの$15/100万UTF-8 bytesをDrama 3へ流用しません。
S1発表の約$15/100万bytesは2025年時点の説明で、S1の現在API契約や新規購入を証明しません。旧S1のローカル運用ではGPU、保存、保守を別に見積もり、Drama 3の文字単価と合算しないでください。
checkpointまたはmodel header、API/Web/self-host、入力文字数またはUTF-8 bytes、参照音声、再生成数、出力形式、価格確認日。
出典・確認範囲
Fish Audioの公式資料を2026年10月19日に確認しました。S1の当時仕様、Drama 3の現行API、指示形式、self-host条件、価格単位を確認しています。発音、感情、声質、速度、生成成功率は測定していません。
- Fish Audio｜Launching Fish Audio S1 — S1/S1-mini、括弧マーカー、当時の提供。
- Fish Audio｜Drama 3 — API、角括弧、83言語、編集テスト、launch offer。
- Fish Audio｜Developers — 現行モデル表、bytes単価、REST/WebSocket。
- Fish Speech｜Inference — Drama 3のself-host条件。