Ce que Fish Audio facture pour Drama 3
Drama 3 est le modèle de synthèse vocale pilotable de Fish Audio, publié le 13 octobre 2026 en poids ouverts, dans les applications web et mobile et sur l'API. Si c'est le modèle lui-même qui vous intéresse, mon aperçu de Drama 3 et mon test de Drama 3 le couvrent. Cet article ne traite que de la facture.
Je construis les intégrations d'eesel, donc une bonne partie de ma semaine consiste à lire la documentation de facturation d'API d'autres entreprises d'assez près pour prédire la facture avant son arrivée. eesel a fait passer son propre tarif à des forfaits de crédits cette année, ce qui veut dire que j'ai été des deux côtés du débat « crédits ou usage mesuré ? ». Fish Audio vend Drama 3 des deux façons à la fois, et les deux grilles de prix ne concordent pas toujours.
Voici tout ce que Fish Audio publie, vérifié le 14 octobre 2026 :
| Mode de paiement | Prix | Unité de facturation | Source |
|---|---|---|---|
| API, offre de lancement Drama 3 (13 oct. au 12 nov.) | 10 $ | par 1 M de caractères | Annonce de lancement |
| API, prix catalogue Drama 3 | 50 $ | par 1 M de caractères | Annonce de lancement |
| API, S2.1 Pro | 15 $ | par 1 M d'octets UTF-8 | Documentation des tarifs de l'API |
| API, S2.1 Pro Free | 0 $ | par 1 M d'octets UTF-8 | Documentation des tarifs de l'API |
| Forfaits de l'application web | 0 $ / 15 $ / 100 $ / 999 $ par mois | crédits, même taux que S2.1 Pro | Page des forfaits |
| Poids ouverts auto-hébergés | Gratuit sous 500 K US$ de revenus annuels | licence | Annonce de lancement |
Une bizarrerie d'abord : le tableau officiel des tarifs de l'API ne liste toujours pas drama-3. À ce jour il affiche s2.1-pro, s2.1-pro-free, s2-pro et le s1 obsolète, tous tarifés à l'octet UTF-8. L'annonce de lancement est le seul endroit où Fish Audio indique le prix de Drama 3.
L'API elle-même est à l'usage : « no subscription fees or monthly minimums », selon la documentation. Vous rechargez un solde et les requêtes le consomment.
Ce que coûte vraiment une heure d'audio
Les prix au million de caractères sont difficiles à se représenter. Fish Audio donne une conversion dans sa documentation : 1 M d'octets UTF-8 représente environ 180 000 mots anglais, soit environ 12 heures de parole. En anglais, un caractère vaut un octet, donc 1 M de caractères correspond à environ 83 000 caractères par heure d'audio. Avec ce ratio, voici ce que coûte chaque mode de paiement à l'heure :
Deux choses ressortent. Pendant la fenêtre de lancement, Drama 3 sur l'API est moins cher à l'heure que tous les forfaits et même que S2.1 Pro, l'ancien modèle qu'il remplace. Après le 12 novembre, l'API au prix catalogue se place juste entre les forfaits Pro et Plus, et le réflexe « l'API est toujours moins chère » cesse d'être vrai.
Une précaution pour comparer les fournisseurs à l'heure : chacun suppose sa propre vitesse de lecture. La page API d'ElevenLabs convertit 1 000 caractères en environ une minute, soit 60 000 caractères l'heure, alors que le chiffre de Fish Audio donne environ 83 000. Comparez au caractère, comme le fait le calculateur ci-dessous, et considérez tout chiffre à l'heure comme un ordre de grandeur.
La falaise tarifaire du 12 novembre
L'annonce de lancement de Fish Audio comporte deux promotions distinctes jusqu'au 12 novembre, et elles se comportent très différemment.
- Pour les développeurs : l'API est à 10 $ le million de caractères du 13 octobre au 12 novembre, soit 80 % de moins que le prix catalogue de 50 $. Fish Audio décrit cela comme une fenêtre de dates, donc je supposerais que toute requête après le 12 novembre est facturée 50 $, quel que soit le moment où vous avez rechargé votre solde.
- Pour les créateurs : un nouveau forfait Plus, Pro ou Max bénéficie de 50 % de remise le premier mois en facturation mensuelle, ou la première année en facturation annuelle. Celle-là reste : achetez un forfait Pro annuel avant l'échéance et vous payez 450 $ pour douze mois au lieu de 900 $.
Fish Audio dit aussi, dans son communiqué de presse de lancement, que les entreprises qui quittent un autre fournisseur vocal obtiennent les trois premiers mois gratuits. Si vous êtes un gros client d'ElevenLabs ou de Cartesia, un appel avec les ventes vaut la peine avant de faire vos propres calculs.
Ma lecture pratique : si vous avez un stock de scripts à mettre en voix, les quatre prochaines semaines sont le moment où Drama 3 sera le moins cher. Générez le fonds existant maintenant ; budgétez le régime de croisière à 50 $.
Entrez vos propres chiffres
Le calculateur ci-dessous utilise les tarifs publiés de Fish Audio et vous permet d'ajouter les deux coûts que la plupart des gens oublient : les indications entre crochets et les reprises. Choisissez aussi votre type de script, car cela change le prix de S2.1 Pro (plus de détails dans la section suivante).
Trois exemples concrets, tous en anglais, une seule prise, sans indications :
| Cas d'usage | Caractères par mois | Audio | Drama 3 lancement | Drama 3 catalogue | S2.1 Pro | API Eleven v4 |
|---|---|---|---|---|---|---|
| Un livre audio de 90 000 mots, une fois | 500 000 | environ 6 heures | 5 $ | 25 $ | 7,50 $ | 40 $ |
| Une chaîne YouTube, 20 vidéos de 1 500 mots | environ 167 000 | environ 2 heures | 1,67 $ | 8,33 $ | 2,50 $ | 13,33 $ |
| Une plateforme qui met en voix 50 M de caractères | 50 000 000 | environ 600 heures | 500 $ | 2 500 $ | 750 $ | 4 000 $ |
La ligne du livre audio est celle où les reprises coûtent cher. Le conseil de Fish Audio lui-même est « takes vary, so render a few and keep the one that plays », et chaque prise est facturée. Trois prises par chapitre plus 20 % de texte en indications transforment le livre audio à 25 $ au prix catalogue en 90 $. Si vous produisez des scripts vidéo IA ou de la narration longue à volume, budgétez en prises, pas en nombre de mots.
Caractères ou octets : le piège des écritures non anglaises
C'est le détail que j'aimerais le plus qu'un responsable produit connaisse avant de valider un budget vocal. Fish Audio tarife S2.1 Pro au million d'octets UTF-8 et Drama 3 au million de caractères. Pour du texte anglais, c'est identique. Pour d'autres écritures, non, car UTF-8 stocke la plupart des lettres latines sur 1 octet, le cyrillique, l'arabe, l'hébreu et le grec sur 2, et le chinois, le japonais, le coréen, l'hindi et le thaï sur 3.
Donc la formule « Drama 3 coûte 3,3x plus que S2.1 Pro » que vous verrez dans la couverture anglophone, y compris mon propre test, ne vaut que pour l'anglais. Pour un script en japonais ou en coréen, Drama 3 au prix catalogue ne coûte que 1,1x ce que coûte S2.1 Pro, et pendant la fenêtre de lancement il coûte moins du quart.
Deux réserves honnêtes. Fish Audio n'a pas ajouté de ligne drama-3 au tableau de sa documentation, donc la façon dont le système de facturation compte un « caractère » n'est pas documentée. Et un caractère chinois porte plus de parole qu'une lettre anglaise, donc les coûts à l'heure ne sont pas comparables d'une langue à l'autre. Si vous mettez en voix du contenu localisé, envoyez une requête de test dans chaque langue et lisez votre page d'utilisation avant de passer à l'échelle. La même discipline par langue que je recommande pour l'assurance qualité multilingue vaut pour les budgets vocaux.
Les autres postes : indications, balises de locuteur et options
La fonction phare de Drama 3 est que vous dirigez la lecture avec des mots simples. La documentation de Fish Audio dit que le prix du TTS « is based on the size of input text », et les indications sont du texte d'entrée. D'après ce que décrit la documentation, elles sont facturées.
| Ligne | Caractères | Ce que vous payez |
|---|---|---|
I'm fine. | 9 | Les mots |
[barely holding it together] I'm fine. | 38 | Les mots plus une indication de 28 caractères |
<|speaker:0|> | 13 | Une balise de locuteur, une fois par tour dans une scène multi-voix |
Cet exemple est extrême, puisqu'une courte réplique avec une longue indication voit son coût quadrupler. Sur un vrai script, une direction légère ajoute quelque chose comme 10 à 25 %. C'est une petite taxe, mais c'est la raison pour laquelle j'écrirais des indications courtes (« [tired] » plutôt que « [sounding tired after a long day] ») dès qu'un pipeline tourne à volume.
Les autres prix d'API publiés par Fish Audio, d'après la documentation des tarifs :
- Parole vers texte :
transcribe-1-proettranscribe-1à 0,36 $ par heure d'audio, facturé à la seconde, silences compris. - Voice Design :
voice-design-1à 0,01 $ par requête réussie, même lorsqu'elle renvoie plusieurs candidats. - La concurrence dépend des dépenses : 5 requêtes simultanées sous 100 $ payés, 15 à partir de 100 $, 50 à partir de 1 000 $. Le prépaiement débloque le palier immédiatement, donc un lancement en production peut signifier recharger 1 000 $ rien que pour le débit.
Et un piège de facturation tiré de la documentation de Drama 3 : si l'en-tête model est absent ou mal orthographié, la requête n'échoue pas. Elle bascule silencieusement sur s2.1-pro, et vous êtes facturé pour de l'audio S2.1 Pro qui n'a jamais eu le jeu d'acteur de Drama 3. Pendant la fenêtre de lancement, c'est en fait le modèle le plus cher en anglais, donc une faute de frappe vous coûte deux fois.
Forfaits Fish Audio : crédits, minutes et lequel vaut le coup
Si vous préférez travailler dans l'application web fish.audio plutôt que d'appeler l'API, vous payez un forfait mensuel en crédits. Fish Audio dit que Drama 3 coûte les mêmes crédits que S2.1 Pro.
| Forfait | Mensuel | Annuel, standard | Annuel, première année avant le 12 nov. | Crédits par mois | Minutes sur la carte du forfait | Coût à l'heure, mensuel | À savoir |
|---|---|---|---|---|---|---|---|
| Free | 0 $ | 0 $ | 0 $ | 8 000 | Jusqu'à 7 | n/d | 500 caractères par génération, pas de clonage de voix, pas d'usage commercial |
| Plus | 15 $ | 132 $ | 66 $ | 250 000 | Jusqu'à 200 | 4,50 $ | 15 000 caractères par génération, usage commercial, Voice Design, 1 emplacement de voix professionnelle |
| Pro | 100 $ | 900 $ | 450 $ | 2 000 000 | Jusqu'à 1 620 | 3,70 $ | 3 places d'équipe, 30 000 caractères par génération, 5 emplacements de voix professionnelle, remboursement sous 7 jours |
| Max | 999 $ | 8 988 $ | 4 494 $ | 25 000 000 | Jusqu'à 6 250 | 9,59 $ | 10 places d'équipe, 15 emplacements de voix professionnelle |
| Enterprise | Sur mesure | Au volume, facturé annuellement | n/d | Sur mesure | Sur mesure | n/d | Zéro conservation des données, déploiement sur site, SOC 2 |
Les crédits non utilisés ne sont pas reportés, selon la FAQ du forfait.
Voici le point qui m'a fait relire la page trois fois. La même FAQ dit que chaque minute de génération coûte « roughly 600 to 625 credits ». À 625 crédits la minute, Plus achèterait 400 minutes, Pro 3 200 et Max 40 000. Les cartes de forfait indiquent 200, 1 620 et 6 250. Les deux ne concordent pas, et l'écart est le plus grand sur Max : en crédits, c'est le forfait le moins cher à l'heure (environ 1,50 $), selon les minutes imprimées, c'est le plus cher (9,59 $).
Je ne peux pas dire de l'extérieur quel chiffre est le bon pour Drama 3. Mon conseil : budgétez d'après les minutes imprimées sur la carte, considérez la FAQ comme un éventuel bonus et demandez aux ventes de Fish Audio de confirmer avant de vous engager sur Max. Sur les cartes telles qu'imprimées, Pro est le bon compromis, et un forfait Pro annuel acheté avant le 12 novembre le ramène à environ 1,39 $ de l'heure la première année.
Auto-hébergement : poids gratuits, avec un plafond de revenus
La troisième façon de payer est de ne pas payer. Drama 3 est publié en poids ouverts sur Hugging Face sous la Fish Audio Community License v1.0. Selon l'annonce de lancement, il est gratuit pour la recherche et l'usage non commercial, et gratuit pour un usage commercial si vous et vos affiliés avez moins de 500 000 US$ de revenus annuels. Produire de l'audio fini pour des clients est explicitement autorisé. Au-dessus du plafond, ou pour proposer Drama 3 à d'autres comme API de TTS, de clonage de voix ou d'inférence, il vous faut une licence de Fish Audio.
Fish Audio n'a pas publié le coût de cette licence pour Drama 3. Pour ses précédents modèles ouverts, la page développeurs liste l'auto-hébergement comme un contrat Enterprise à 10 000 $ par mois, avec un « effective floor » de 120 000 $ à 150 000 $ par an. Je ne supposerais pas que Drama 3 soit tarifé pareil, mais cela donne l'ordre de grandeur.
L'avis de la communauté sur la licence était mitigé mais pragmatique :
"License is a bit lame but I understand they need to make money too lol"
L'autre moitié du coût de l'auto-hébergement, c'est le matériel. Drama 3 est un modèle à mélange d'experts de 35 Mds de paramètres dont environ 3 Mds actifs par jeton. Un utilisateur de Reddit l'a fait tourner sur deux RTX 3090 avec environ 39 Go de VRAM, avec l'aide de Claude Opus 5.5, et d'autres s'attendent à ce que des versions quantifiées tiennent sur des cartes plus petites :
"it's a 35A3B, it will probably run on way smaller cards at the cost of some quality (quants)"
Ma règle empirique : au prix de lancement de 10 $, 100 $ achètent 10 M de caractères, environ 120 heures d'audio en anglais, et aucune installation auto-hébergée ne bat cela pour un mois. Au prix catalogue de 50 $, l'auto-hébergement devient pertinent dès que vous mettez en voix des centaines d'heures par mois, possédez déjà les GPU ou avez besoin que l'audio reste sur vos propres serveurs. Si vous débutez avec les modèles ouverts, mon guide des tarifs de Hugging Face explique ce que coûte l'inférence hébergée à la place.
Comment les tarifs de Drama 3 se comparent
Voici Drama 3 face aux API vocales auxquelles on le comparera le plus probablement, en utilisant uniquement les prix de la page de chaque fournisseur.
| Modèle | Prix par 1 M de caractères (anglais) | Poids ouverts | Option d'API gratuite | Plus de détails |
|---|---|---|---|---|
| Fish Audio Drama 3, lancement (jusqu'au 12 nov.) | 10 $ | Oui, plafonné en revenus | Non | Test de Drama 3 |
| Fish Audio Drama 3, catalogue | 50 $ | Oui, plafonné en revenus | Non | Aperçu de Drama 3 |
| Fish Audio S2.1 Pro | 15 $ (par 1 M d'octets) | Famille S2, licence de recherche | Oui, S2.1 Pro Free | Cet article |
| Eleven v4 | 80 $ | Non | Crédits du forfait gratuit | Tarifs d'Eleven v4 |
| Eleven v4 Turbo | 40 $ | Non | Crédits du forfait gratuit | Tarifs d'ElevenLabs |
Au prix catalogue, Drama 3 reste environ 38 % moins cher au caractère qu'Eleven v4, et c'est le seul du tableau que vous pouvez télécharger. Au test de prononciation d'Artificial Analysis, il a aussi obtenu un meilleur score (93,2 % contre 91,7 %), même s'il se classe 10e en préférence de voix, ce qui compte si vos auditeurs choisissent les voix à l'oreille. Une réponse sur X a résumé la surprise côté prix et qualité :
"open weights beating eleven on pronunciation is wild"
Pour le reste du marché, j'ai détaillé séparément les tarifs de Gemini 3.8 Flash TTS, les tarifs de Hume AI et Cartesia Sonic 3.
Si vous êtes sur la pile d'OpenAI, l'API vocale d'OpenAI et le guide plus large des tarifs de l'API OpenAI servent de référence.
Mon panorama des alternatives à ElevenLabs et la liste des entreprises de voix IA couvrent les fournisseurs que je n'ai pas chiffrés ici.
Quelle façon de payer Drama 3
En résumé, voici ce que je ferais dans chaque situation :
- Vous avez un stock à mettre en voix : utilisez l'API avant le 12 novembre. À environ 0,83 $ de l'heure, c'est le Drama 3 le moins cher qui existera.
- Vous êtes créateur indépendant dans l'application web : achetez un forfait annuel Plus ou Pro avant l'échéance. Les 50 % de remise la première année sont la seule remise qui survit au 12 novembre.
- Vous mettez en voix de la narration anglaise simple à volume : S2.1 Pro à 15 $ le million d'octets reste le meilleur achat après le 12 novembre. Vous paieriez 3,3x pour un jeu d'acteur que vous n'utilisez pas.
- Vous mettez en voix du chinois, du japonais ou du coréen : Drama 3 au catalogue ne coûte qu'environ 11 % de plus que S2.1 Pro au caractère, donc la montée en gamme est quasi gratuite. Testez d'abord la facturation.
- Vous êtes sous 500 000 US$ de revenus avec des GPU sous la main : auto-hébergez les poids ouverts et gardez l'API en débordement.
- Vous construisez du support vocal en direct : c'est le mauvais modèle et la mauvaise question de prix. Fish Audio dit que Drama 3 donne le meilleur de lui-même sur des répliques scriptées que l'on génère une fois et que l'on garde. Regardez plutôt des agents vocaux IA conçus pour cela et l'analyse des tarifs de Grok Voice Think Fast 2, et rappelez-vous, côté support, que le plus dur est une réponse correcte, pas une jolie voix. Mon panorama du support vocal va plus loin.
Si vous cherchez encore comment les modèles de synthèse vocale et de reconnaissance vocale s'articulent, Whisper vs TTS API est une bonne introduction.
eesel pour le script avant la voix
Chaque chiffre de cet article est un prix par caractère de script. Drama 3 lit ce que vous lui donnez, et vous payez chaque mot, chaque indication et chaque reprise. Le moyen le moins cher de réduire une facture vocale est un script plus serré et meilleur qui demande moins de prises.
C'est le travail pour lequel l'assistant de rédaction de blog IA d'eesel est embauché. C'est un coéquipier IA qui recherche un sujet à partir de sources primaires, écrit l'article long avec la voix de votre marque, génère les images et vous remet un brouillon prêt à publier ou à réutiliser en audio et en scripts de podcast. eesel l'utilise depuis des mois comme son propre moteur de contenu, et le responsable du contenu SEO d'un client, dans une startup de support téléphonique IA, l'a dit simplement :
"this is definitely the best seo tool I've used so far"
Si vous êtes sur le point de dépenser un budget de fenêtre de lancement pour mettre en voix un stock de contenu, écrivez d'abord bien ce stock. Voyez ce que cela coûte sur la page des tarifs, lisez mon test de l'assistant de rédaction de blog IA pour la version honnête, puis essayez eesel.