Qué cobra Fish Audio por Drama 3
Drama 3 es el modelo de texto a voz dirigible de Fish Audio, lanzado el 13 de octubre de 2026 como pesos abiertos, en las apps web y móvil y en la API. Si quieres saber del modelo en sí, mi resumen de Drama 3 y mi reseña de Drama 3 lo cubren. Esta entrada trata solo de la factura.
Construyo las integraciones de eesel, así que buena parte de mi semana la paso leyendo la documentación de facturación de la API de otras empresas con el detalle suficiente para predecir la factura antes de que llegue. eesel pasó este año su propio precio a planes de créditos, por lo que he estado en ambos lados del debate "¿créditos o uso medido?". Fish Audio vende Drama 3 de las dos formas a la vez, y las dos listas de precios no siempre coinciden.
Esto es todo lo que publica Fish Audio, comprobado el 14 de octubre de 2026:
| Cómo pagas | Precio | Unidad de facturación | Fuente |
|---|---|---|---|
| API, oferta de lanzamiento de Drama 3 (13 oct. a 12 nov.) | $10 | por 1 M de caracteres | Publicación de lanzamiento |
| API, precio de lista de Drama 3 | $50 | por 1 M de caracteres | Publicación de lanzamiento |
| API, S2.1 Pro | $15 | por 1 M de bytes UTF-8 | Documentación de precios de la API |
| API, S2.1 Pro Free | $0 | por 1 M de bytes UTF-8 | Documentación de precios de la API |
| Planes de la app web | $0 / $15 / $100 / $999 al mes | créditos, misma tarifa que S2.1 Pro | Página de planes |
| Pesos abiertos autoalojados | Gratis por debajo de US$500K de ingresos anuales | licencia | Publicación de lanzamiento |
Una rareza primero: la tabla oficial de precios de la API sigue sin listar drama-3. A día de hoy muestra s2.1-pro, s2.1-pro-free, s2-pro y el obsoleto s1, todos con precio por byte UTF-8. La publicación de lanzamiento es el único sitio donde Fish Audio indica la cifra de Drama 3.
La API en sí es de pago por uso: "no subscription fees or monthly minimums", según la documentación. Recargas un saldo y las solicitudes lo van consumiendo.
Cuánto cuesta realmente una hora de audio
Los precios por millón de caracteres son difíciles de visualizar. Fish Audio da una conversión en su documentación: 1 M de bytes UTF-8 son aproximadamente 180.000 palabras en inglés, o unas 12 horas de voz. En inglés, un carácter es un byte, así que 1 M de caracteres equivale a unos 83.000 caracteres por hora de audio. Con esa relación, esto cuesta por hora cada forma de pagar:
Destacan dos cosas. Durante la ventana de lanzamiento, Drama 3 en la API es más barato por hora que cualquier plan e incluso que S2.1 Pro, el modelo anterior al que sustituye. Después del 12 de noviembre, la API a precio de lista queda justo entre los planes Pro y Plus, así que el instinto de "la API siempre es más barata" deja de cumplirse.
Una advertencia al comparar proveedores por hora: cada uno asume su propia velocidad de lectura. La página de API de ElevenLabs convierte 1.000 caracteres en aproximadamente un minuto, es decir, 60.000 caracteres por hora, mientras que la cifra de Fish Audio sale a unos 83.000. Compara por carácter, como hace la calculadora de abajo, y trata cualquier cifra por hora como una aproximación.
El precipicio de precios del 12 de noviembre
La publicación de lanzamiento de Fish Audio incluye dos promociones distintas hasta el 12 de noviembre, y se comportan de forma muy diferente.
- Para desarrolladores: la API cuesta $10 por millón de caracteres del 13 de octubre al 12 de noviembre, un 80 % menos que el precio de lista de $50. Fish Audio lo describe como una ventana de fechas, así que asumiría que toda solicitud posterior al 12 de noviembre se factura a $50, sin importar cuándo recargaste el saldo.
- Para creadores: un plan nuevo Plus, Pro o Max tiene un 50 % de descuento el primer mes con facturación mensual, o el primer año con facturación anual. Ese sí se mantiene: compra un plan Pro anual antes del plazo y pagas $450 por doce meses en lugar de $900.
Fish Audio también dice, en su comunicado de prensa de lanzamiento, que las empresas que cambian desde otro proveedor de voz reciben los tres primeros meses gratis. Si eres un cliente grande de ElevenLabs o de Cartesia, vale la pena una llamada con ventas antes de hacer tus propias cuentas.
Mi lectura práctica: si tienes un atrasado de guiones por locutar, las próximas cuatro semanas son lo más barato que será Drama 3. Renderiza ahora el catálogo; presupuesta el régimen estable a $50.
Introduce tus propios números
La calculadora de abajo usa las tarifas publicadas de Fish Audio y te deja añadir los dos costes que la mayoría olvida: las indicaciones entre corchetes y las repeticiones. Elige también el tipo de guion, porque cambia el precio de S2.1 Pro (más sobre el motivo en la siguiente sección).
Tres ejemplos prácticos, todos en inglés, una toma, sin indicaciones:
| Caso de uso | Caracteres al mes | Audio | Drama 3 lanzamiento | Drama 3 lista | S2.1 Pro | API de Eleven v4 |
|---|---|---|---|---|---|---|
| Un audiolibro de 90.000 palabras, una vez | 500.000 | unas 6 horas | $5 | $25 | $7,50 | $40 |
| Un canal de YouTube, 20 vídeos de 1.500 palabras | unos 167.000 | unas 2 horas | $1,67 | $8,33 | $2,50 | $13,33 |
| Una plataforma que locuta 50 M de caracteres | 50.000.000 | unas 600 horas | $500 | $2.500 | $750 | $4.000 |
La fila del audiolibro es donde las repeticiones duelen. El consejo de Fish Audio es "takes vary, so render a few and keep the one that plays", y cada toma se factura. Tres tomas por capítulo más un 20 % de texto en indicaciones convierten el audiolibro de $25 a precio de lista en $90. Si produces guiones de vídeo con IA o narración larga a volumen, presupuesta por tomas, no por número de palabras.
Caracteres frente a bytes: la trampa de los alfabetos no ingleses
Este es el detalle que más querría que conociera un responsable de producto antes de aprobar un presupuesto de voz. Fish Audio fija el precio de S2.1 Pro por millón de bytes UTF-8 y el de Drama 3 por millón de caracteres. Para texto en inglés son idénticos. Para otros alfabetos no, porque UTF-8 guarda la mayoría de las letras latinas en 1 byte, el cirílico, árabe, hebreo y griego en 2, y el chino, japonés, coreano, hindi y tailandés en 3.
Así que la frase "Drama 3 cuesta 3,3x más que S2.1 Pro" que verás en la cobertura en inglés, incluida mi propia reseña, solo vale para el inglés. Para un guion en japonés o coreano, Drama 3 a precio de lista cuesta solo 1,1x lo que S2.1 Pro, y durante la ventana de lanzamiento cuesta menos de una cuarta parte.
Dos salvedades honestas. Fish Audio no ha añadido una fila drama-3 a la tabla de su documentación, así que no está documentado cómo cuenta el sistema de facturación un "carácter". Y un carácter chino lleva más habla que una letra inglesa, por lo que los costes por hora no son comparables entre idiomas. Si pones voz a contenido localizado, envía una solicitud de prueba en cada idioma y lee tu página de uso antes de escalar. La misma disciplina por idioma que recomiendo para el control de calidad multilingüe se aplica a los presupuestos de voz.
Las otras partidas: indicaciones, etiquetas de hablante y extras
La función estrella de Drama 3 es que diriges la lectura con palabras sencillas. La documentación de Fish Audio dice que el precio del TTS "is based on the size of input text", y las indicaciones son texto de entrada. Según lo que describe la documentación, se facturan.
| Línea | Caracteres | Qué estás pagando |
|---|---|---|
I'm fine. | 9 | Las palabras |
[barely holding it together] I'm fine. | 38 | Las palabras más una indicación de 28 caracteres |
<|speaker:0|> | 13 | Una etiqueta de hablante, una vez por turno en una escena con varias voces |
Ese ejemplo es extremo, ya que una línea corta con una indicación larga cuadruplica su coste. En un guion real, una dirección ligera añade algo así como un 10 a un 25 %. Es un impuesto pequeño, pero es la razón por la que escribiría las indicaciones cortas ("[tired]" en vez de "[sounding tired after a long day]") cuando un flujo de trabajo funcione a volumen.
Los otros precios de API que publica Fish Audio, de la documentación de precios:
- Voz a texto:
transcribe-1-proytranscribe-1a $0,36 por hora de audio, facturado por segundo, silencio incluido. - Voice Design:
voice-design-1a $0,01 por solicitud exitosa, incluso cuando devuelve varios candidatos. - La concurrencia depende del gasto: 5 solicitudes simultáneas con menos de $100 pagados, 15 desde $100, 50 desde $1.000. Prepagar desbloquea el nivel de inmediato, así que un lanzamiento a producción puede implicar recargar $1.000 solo por el rendimiento.
Y una trampa de facturación de la documentación de Drama 3: si falta la cabecera model o está mal escrita, la solicitud no falla. Recurre en silencio a s2.1-pro, y se te factura audio de S2.1 Pro que nunca tuvo la interpretación de Drama 3. Durante la ventana de lanzamiento ese es, de hecho, el modelo más caro en inglés, así que un error tipográfico te cuesta doble.
Planes de Fish Audio: créditos, minutos y cuál vale la pena
Si prefieres trabajar en la app web de fish.audio en lugar de llamar a la API, pagas un plan mensual en créditos. Fish Audio dice que Drama 3 cuesta los mismos créditos que S2.1 Pro.
| Plan | Mensual | Anual, estándar | Anual, primer año antes del 12 nov. | Créditos al mes | Minutos en la tarjeta del plan | Coste por hora, mensual | Conviene saber |
|---|---|---|---|---|---|---|---|
| Free | $0 | $0 | $0 | 8.000 | Hasta 7 | n/d | 500 caracteres por generación, sin clonación de voz, sin uso comercial |
| Plus | $15 | $132 | $66 | 250.000 | Hasta 200 | $4,50 | 15.000 caracteres por generación, uso comercial, Voice Design, 1 espacio de voz profesional |
| Pro | $100 | $900 | $450 | 2.000.000 | Hasta 1.620 | $3,70 | 3 puestos de equipo, 30.000 caracteres por generación, 5 espacios de voz profesional, devolución en 7 días |
| Max | $999 | $8.988 | $4.494 | 25.000.000 | Hasta 6.250 | $9,59 | 10 puestos de equipo, 15 espacios de voz profesional |
| Enterprise | Personalizado | Por volumen, facturado anualmente | n/d | Personalizado | Personalizado | n/d | Retención cero de datos, despliegue on-premise, SOC 2 |
Los créditos sin usar no se acumulan, según las FAQ del plan.
Aquí está la parte que me hizo leer la página tres veces. Las mismas FAQ dicen que cada minuto de generación cuesta "roughly 600 to 625 credits". A 625 créditos por minuto, Plus compraría 400 minutos, Pro 3.200 y Max 40.000. Las tarjetas de plan dicen 200, 1.620 y 6.250. Las dos cifras no coinciden, y la brecha es mayor en Max: por créditos es el plan más barato por hora (unos $1,50), por los minutos impresos es el más caro ($9,59).
No puedo saber desde fuera cuál cifra es la correcta para Drama 3. Mi consejo: presupuesta según los minutos impresos en la tarjeta, trata las FAQ como un posible extra y pide a ventas de Fish Audio que lo confirme antes de comprometerte con Max. Con las tarjetas tal como están impresas, Pro es el punto óptimo, y un plan Pro anual comprado antes del 12 de noviembre lo deja en unos $1,39 por hora el primer año.
Autoalojamiento: pesos gratuitos, con un límite de ingresos
La tercera forma de pagar es no pagar. Drama 3 se publica como pesos abiertos en Hugging Face bajo la Fish Audio Community License v1.0. Según la publicación de lanzamiento, es gratis para investigación y uso no comercial, y gratis para uso comercial si tú y tus afiliadas tenéis menos de US$500.000 de ingresos anuales. Hacer audio terminado para clientes está explícitamente permitido. Por encima del límite, o para ofrecer Drama 3 a terceros como API de TTS, clonación de voz o inferencia, necesitas una licencia de Fish Audio.
Fish Audio no ha publicado cuánto cuesta esa licencia para Drama 3. Para sus modelos abiertos anteriores, la página de desarrolladores lista el autoalojamiento como un acuerdo Enterprise de $10.000 al mes, con un "effective floor" de $120.000 a $150.000 al año. No asumiría que Drama 3 tiene el mismo precio, pero indica el orden de magnitud.
La opinión de la comunidad sobre la licencia fue mixta pero pragmática:
"License is a bit lame but I understand they need to make money too lol"
La otra mitad del coste de autoalojar es el hardware. Drama 3 es un modelo de mezcla de expertos de 35B parámetros con unos 3B activos por token. Un usuario de Reddit lo ejecutó en dos RTX 3090 con unos 39 GB de VRAM con ayuda de Claude Opus 5.5, y otros esperan que las versiones cuantizadas quepan en tarjetas menores:
"it's a 35A3B, it will probably run on way smaller cards at the cost of some quality (quants)"
Mi regla práctica: al precio de lanzamiento de $10, $100 compran 10 M de caracteres, unas 120 horas de audio en inglés, y ninguna configuración autoalojada supera eso durante un mes. Al precio de lista de $50, autoalojar empieza a tener sentido cuando locutas cientos de horas al mes, ya tienes las GPU o necesitas que el audio permanezca en tus propios servidores. Si eres nuevo ejecutando modelos abiertos, mi guía de precios de Hugging Face explica lo que cuesta en su lugar la inferencia alojada.
Cómo se compara el precio de Drama 3
Aquí está Drama 3 frente a las APIs de voz con las que es más probable que lo compares, usando solo precios de la página de cada proveedor.
| Modelo | Precio por 1 M de caracteres (inglés) | Pesos abiertos | Opción gratuita de API | Más detalle |
|---|---|---|---|---|
| Fish Audio Drama 3, lanzamiento (hasta 12 nov.) | $10 | Sí, con límite de ingresos | No | Reseña de Drama 3 |
| Fish Audio Drama 3, lista | $50 | Sí, con límite de ingresos | No | Resumen de Drama 3 |
| Fish Audio S2.1 Pro | $15 (por 1 M de bytes) | Familia S2, licencia de investigación | Sí, S2.1 Pro Free | Esta entrada |
| Eleven v4 | $80 | No | Créditos del plan gratuito | Precios de Eleven v4 |
| Eleven v4 Turbo | $40 | No | Créditos del plan gratuito | Precios de ElevenLabs |
A precio de lista, Drama 3 sigue siendo un 38 % más barato por carácter que Eleven v4, y es el único de la tabla que puedes descargar. En la prueba de pronunciación de Artificial Analysis también puntuó más alto (93,2 % frente a 91,7 %), aunque quedó décimo en preferencia de voz, lo que importa si tus oyentes eligen las voces de oído. Una respuesta en X resumió la sorpresa sobre precio y calidad:
"open weights beating eleven on pronunciation is wild"
Para el resto del mercado, he desglosado por separado los precios de Gemini 3.8 Flash TTS, los precios de Hume AI y Cartesia Sonic 3.
Si trabajas con el stack de OpenAI, la API de voz de OpenAI y la guía más amplia de precios de la API de OpenAI son la referencia.
Mi recopilación de alternativas a ElevenLabs y la lista de empresas de voz con IA cubren los proveedores que no he valorado aquí.
Cómo pagar Drama 3
En conjunto, esto es lo que haría en cada situación:
- Tienes un atrasado que locutar: usa la API antes del 12 de noviembre. A unos $0,83 la hora es lo más barato que será Drama 3.
- Eres un creador individual en la app web: compra un plan anual Plus o Pro antes del plazo. El 50 % de descuento del primer año es el único que sobrevive al 12 de noviembre.
- Locutas narración simple en inglés a volumen: S2.1 Pro a $15 por millón de bytes sigue siendo la mejor compra después del 12 de noviembre. Pagarías 3,3x por una interpretación que no usas.
- Locutas chino, japonés o coreano: Drama 3 a precio de lista cuesta solo un 11 % más que S2.1 Pro por carácter, así que la mejora es casi gratis. Prueba antes la facturación.
- Estás por debajo de US$500.000 de ingresos y tienes GPU a mano: autoaloja los pesos abiertos y deja la API como desbordamiento.
- Estás construyendo soporte de voz en vivo: este es el modelo equivocado y la pregunta de precio equivocada. Fish Audio dice que Drama 3 rinde mejor en líneas con guion que renderizas una vez y conservas. Mira mejor los agentes de voz con IA diseñados para ello y el desglose de precios de Grok Voice Think Fast 2, y recuerda desde el lado del soporte que lo difícil es una respuesta correcta, no una voz bonita. Mi recopilación de soporte por voz profundiza más.
Si todavía estás entendiendo cómo encajan los modelos de texto a voz y de voz a texto, Whisper vs TTS API es una buena introducción.
eesel para el guion antes de la voz
Cada cifra de esta entrada es un precio por carácter de guion. Drama 3 lee lo que le des, y pagas cada palabra, cada indicación y cada repetición. La forma más barata de reducir una factura de voz es un guion más ajustado y mejor que necesite menos tomas.
Ese es el trabajo para el que se contrata al escritor de blogs con IA de eesel. Es un compañero de IA que investiga un tema a partir de fuentes primarias, escribe el artículo largo con la voz de tu marca, genera las imágenes y te entrega un borrador listo para publicar o para reutilizar en audio y guiones de podcast. eesel lo ha usado durante meses como su propio motor de contenido, y el responsable de contenido SEO de un cliente, en una startup de atención telefónica con IA, lo resumió así:
"this is definitely the best seo tool I've used so far"
Si vas a gastar un presupuesto de ventana de lanzamiento en poner voz a un atrasado de contenido, escribe bien primero ese atrasado. Mira lo que cuesta en la página de precios, lee mi reseña del escritor de blogs con IA para la versión honesta y luego prueba eesel.