THE AI MODEL DIRECTORY ここからモデルを探す

あなたに合う AIモデルを。

言語から画像、オープンウェイトからAPIまで。能力と実際の費用を比較。
次のアイデアに合うAIを見つけましょう。

人気の検索

84,739 件のモデル13041 社の提供元・公開者45 件の機能分類465件の比較可能な料金・30件の公開評価

Tテキスト生成 ▧画像生成 ▷動画生成 ⌘コード生成 ◖音声合成 ♫音楽生成 ⬡3Dモデリング ▤文書分析

DISCOVER & COMPARE

AIモデルを探す 5

提供元入力出力ライセンス

注目のモデルを見つける

drama-3

fishaudio

**Fish Audio Drama 3** is Fish Audio's new-generation text-to-speech model, built for multi-character scenes and long-form content. It supports multi-speaker generation, voice cloning and natural-language control. - **35B parameters, 3B active per token**: MoE text backbone with hybrid (full + linear) attention - **Codebook-MTP audio decoder**: 10 codebooks decoded causally over the whole sequence - **FP8 MoE experts** with the remaining weights in bf16 - **Speaker tags** ` ` … ` ` — one text can carry up to 16 characters - **Long text** is chunked automatically and can be streamed per chunk Drama 3 runs on SGLang-Omni from launch day. For installation, deployment, and streaming API examples, see the Drama 3 Cookbook.

翻訳待ち・原文を表示

音声合成

入力テキスト→ 出力音声

料金未確認マルチモーダル・チャネル料金は個別に確認

詳細を見る ↗

比較に追加出典・文書 ↗

drama-3-int4

fishaudio

**The smallest working Drama 3.** Unofficial int4 quantization of fishaudio/drama-3 — Fish Audio's 35B (3B active) multi-speaker TTS model — with **real eval numbers** and one-command serving through SGLang Omni. The two checkpoints were compared on one H200 with the default SGLang Omni server settings: the 1,088 Seed-TTS English prompts, each cloning the voice of its own reference clip, sent as non-streaming requests at concurrency 8. WER is computed on the generated audio transcribed by Qwen3-ASR-1.7B. The int4 checkpoint is about 8% slower per request and its WER stays at the FP8 level: the gap between the two is about as large as the run-to-run spread of one checkpoint (a second FP8 run measured 1.365 s mean latency and 2.02% WER).

翻訳待ち・原文を表示

音声合成

入力テキスト→ 出力音声

料金未確認マルチモーダル・チャネル料金は個別に確認

詳細を見る ↗

比較に追加出典・文書 ↗

fish-speech-1.5

fishaudio

**Fish Speech V1.5** is a leading text-to-speech (TTS) model trained on more than 1 million hours of audio data in multiple languages. Supported languages: - English (en) >300k hours - Chinese (zh) >300k hours - Japanese (ja) >100k hours - German (de) ~20k hours - French (fr) ~20k hours - Spanish (es) ~20k hours - Korean (ko) ~20k hours - Arabic (ar) ~20k hours - Russian (ru) ~20k hours - Dutch (nl) <10k hours - Italian (it) <10k hours - Polish (pl) <10k hours - Portuguese (pt) <10k hours

翻訳待ち・原文を表示

音声合成

入力テキスト→ 出力音声

料金未確認マルチモーダル・チャネル料金は個別に確認

詳細を見る ↗

比較に追加出典・文書 ↗

s1-mini

fishaudio

基础档案已收录，详细介绍后续补充。可先查看厂商、分类与来源。

音声合成

入力テキスト→ 出力音声

料金未確認マルチモーダル・チャネル料金は個別に確認

詳細を見る ↗

比較に追加出典・文書 ↗

s2-pro

fishaudio

**Fish Audio S2 Pro** is a leading text-to-speech (TTS) model with fine-grained inline control of prosody and emotion. Trained on over 10M+ hours of audio data across 80+ languages, the system combines reinforcement learning alignment with a dual-autoregressive architecture. The release includes model weights, fine-tuning code, and an SGLang-based streaming inference engine. S2 Pro builds on a decoder-only transformer combined with an RVQ-based audio codec (10 codebooks, ~21 Hz frame rate) using a **Dual-Autoregressive (Dual-AR)** architecture: - **Slow AR** (4B parameters): Operates along the time axis and predicts the primary semantic codebook. - **Fast AR** (400M parameters): Generates the remaining 9 residual codebooks at each time step, reconstructing fine-grained acoustic detail.

翻訳待ち・原文を表示

音声合成

入力テキスト→ 出力音声

料金未確認マルチモーダル・チャネル料金は個別に確認

詳細を見る ↗

比較に追加出典・文書 ↗

COST EXPLORER

モデル選びに、費用の視点も。

コスト分析

月間トークン数を調整してAPI費用を比較。

月間入力トークン 10 M月間出力トークン 2 M1 M = 100万トークン・米ドル
同一チャネルの基本テキスト料金を比較

収集済みの比較可能な100万トークン当たり米ドル料金です。キャッシュ割引、段階料金、追加推論出力、税金は含みません。最新料金は出典で確認してください。

MODEL HANDBOOK

モデルを理解して選ぶ

選び方とよくある質問

API料金はどう比較しますか？+

入力・出力・キャッシュ料金を分け、同じ用途と使用量で総費用を比較します。画像・音声・動画は枚数、時間、解像度で課金される場合があります。

オープンウェイトは無料で商用利用できますか？+

必ずしもそうではありません。バージョンごとのライセンス、商用制限、ポリシーを確認してください。自前運用には計算資源と保守費用も必要です。

ランキング1位が最適ですか？+

順位はテスト、バージョン、評価方法によります。実際の業務データで精度、遅延、安定性、費用を比較してください。

あなたに合う AIモデルを。

AIモデルを探す 5

drama-3

drama-3-int4

fish-speech-1.5

s1-mini

s2-pro

該当するモデルがありません

モデル選びに、費用の視点も。

モデルを理解して選ぶ

ニュースで知り、ツールで効率化、モデルで可能性を。