Fish Speech Drama 3: Vorschau auf die Dialogbearbeitung

Fish Speech Drama 3 wirft für Dialogautoren eine nützliche Frage auf: Lässt sich eine einzelne Passage korrigieren, ohne die gesamte Darbietung zu verwerfen? Dabei müssen die Zugänge getrennt betrachtet werden. Fish kündigte die reguläre Sprachsynthese von Drama 3 für Website, App und API an; interaktive Bearbeitung und Audio-Inpainting wurden dagegen als kleine Tests auf Einladung beschrieben. Eine Forschungsfunktion ist nicht automatisch eine Funktion, die heute jedem Kunden zur Verfügung steht.
Weitere Informationen finden Sie hier: Workflow für Kurzdramen.
Bereiten Sie eine freigegebene Dialogaufnahme für einen getrennten APOB-Lip-Sync-Durchgang vor.
Dieser Ausblick erläutert die Forschung und enthält eine eigens entwickelte Vorgabe für eine Dialogkorrektur. Wir haben weder an einer Bearbeitungssitzung auf Einladung teilgenommen noch korrigierte Audiodateien erzeugt oder die Erhaltung des Tons rund um eine Schnittstelle gemessen. Hat Ihr Konto keinen Bearbeitungszugang, bleibt die zulässige Neuaufnahme der gesamten Replik mit anschließendem Schnitt in einem externen Programm die praktische Alternative. Nutzen Sie diese Vorgabe zur Bewertung, statt eine nicht zugängliche Oberfläche als verfügbar darzustellen.
Drama 3 im Projekt Fish Speech einordnen
Die offizielle Veröffentlichung am 13. Oktober
Der technische Bericht zu Drama 3 ist auf den 13. Oktober 2026 datiert. Er beschreibt Forschung zur Sprachgenerierung, darunter Überarbeitungen über mehrere Gesprächsrunden und das Ergänzen begrenzter Passagen in vorhandenen Aufnahmen. Das sind die hier relevanten Konzepte; dieser Artikel gibt keine Benchmark-Tabelle wieder und leitet daraus keine Überlegenheit gegenüber einem anderen Dienst ab.
Prüfen Sie die aktuelle Ankündigung von Fish und die Funktionen Ihres Kontos, bevor Sie eine Produktion verbindlich planen. Die Verfügbarkeit kann sich nach einer Veröffentlichung ändern. Eine TTS-Ankündigung, ein Bearbeitungsversuch auf Einladung und eine angekündigte künftige Bearbeitungs-API müssen im Briefing getrennte Sachverhalte bleiben.
Offene Modellforschung und gehostete Oberflächen
Der Bericht verlinkt das Projekt Fish Speech und die Modellressourcen. Die Veröffentlichung dieser Forschungsressourcen ist etwas anderes als ein gehosteter Editor für Kunden. Ein für die Forschung verfügbares Modell sagt nichts darüber aus, welche Bedienelemente Ihr Konto beim gehosteten Dienst bietet.
Informationen zum Projekt finden Sie im offiziellen Fish-Speech-Repository. Gehen Sie nicht davon aus, dass Installationshinweise, Modellberechtigungen oder Inferenzanforderungen dem Arbeitsablauf eines kommerziellen Kontos entsprechen. Die folgende Schreibübung erteilt keine lizenzrechtliche Freigabe.
Was für diesen Artikel getestet wurde und was nicht
Unsere Materialien sind ein kommentiertes Transkript, drei vorgeschlagene Regieanweisungen, ein leeres Hörprotokoll und ein Briefing für eine spätere Neuaufnahme. Es handelt sich um eigens erstellte Planungsunterlagen. Dahinter stehen weder ein Audiobeispiel noch eine Bewertung durch ein Testpanel, ein Ergebnis zur Qualität einer Schnittstelle oder eine erfolgreich durchgeführte lokale Korrektur.
Diese Grenze ist wichtig, wenn Sie entscheiden, was erhalten bleiben soll. Der hier genannte «geschützte Kontext» ist eine Anforderung der prüfenden Person. Er behauptet nicht, dass ein Modell benachbarte Audiosamples exakt bewahrt. Vergleichen Sie die tatsächlich erzeugte Aufnahme, bevor Sie sie akzeptieren.
Forschungsbegriffe erläutern, ohne eine Editoroberfläche zu erfinden
Überarbeitung nach einer gesprochenen Regieanweisung
Bei einer Überarbeitung wird aufgrund einer Regieanweisung ein weiterer Versuch angefordert. In unserem Beispiel nennt ein erwachsener Inspizient die Probenzeit korrekt, betont sie aber sarkastisch. Eine Anweisung könnte eine aufrichtige Darbietung ohne Änderung des Wortlauts verlangen. Geändert werden soll das Spiel.
Die Darstellung der Überarbeitung über mehrere Gesprächsrunden im Bericht begründet, diesen Vorgang zu untersuchen. Sie rechtfertigt weder einen erfundenen Schalter «Sarkasmus entfernen» noch die Dokumentation eines API-Endpunkts, den die Ankündigung nicht öffentlich zugänglich macht.
Eine begrenzte Passage in einer vorhandenen Äußerung ergänzen
Beim Infilling wird ein abgegrenzter Teil einer vorhandenen Äußerung bearbeitet. Unser Beispiel schlägt vor, «sieben» in einer Probenanweisung durch «acht» zu ersetzen. Die umgebenden Sätze sollen erhalten und verglichen werden; sie sind kein verzichtbares Füllmaterial.
Vorgeschlagener Vorgang | Originalbeispiel | Frage für einen zukünftigen autorisierten Test |
|---|---|---|
Überarbeitung | Gleiche Worte, weniger sarkastische Betonung | Passt die neue Darbietung zur beabsichtigten Beziehung? |
Ergänzung einer Passage | Die Probenzeit ändert sich von sieben auf acht | Sind Wörter und Übergänge im Zusammenhang mit der Änderung akzeptabel? |
Was ein Forschungsergebnis zum Kontozugriff nicht belegt
Keine der beiden Zeilen ist eine Anleitung für eine Benutzeroberfläche. Notieren Sie vor einem Versuch den tatsächlichen Dienst, das Modell, den Zugang und den Vorgang, den Ihr Konto anbietet. Ist der Editor nicht zugänglich, beschreiben Sie die Korrektur nicht als bereits durchgeführt.
Eine gewöhnliche Neuaufnahme kann das Produktionsproblem ebenfalls lösen. Verglichen werden müssen eine tatsächlich erzeugte und geprüfte lokale Korrektur und eine tatsächlich erzeugte und geprüfte vollständige Neuaufnahme. Ein nicht zugängliches Experiment kann diesen Vergleich nicht allein aufgrund einer Forschungsbeschreibung gewinnen.
Die bearbeitbare Passage durch geschützten Kontext begrenzen
Das letzte unveränderte Wort vor der Bearbeitung
Englisches Originaltranskript mit deutscher Übersetzung; zwei erfundene erwachsene Figuren sprechen:
Inspizient, englisches Originalbeispiel: “I checked the room. Rehearsal starts at [CHANGE: seven → eight]. Please use the side entrance.” Übersetzung: „Ich habe den Raum überprüft. Die Probe beginnt um [ÄNDERUNG: sieben → acht]. Bitte benutzt den Seiteneingang.“ Die englischen Wörter bleiben erhalten, damit sich die Grenzen des Bearbeitungsbeispiels eindeutig benennen lassen.
Darsteller, Original: “Eight, then. I'll tell the others.” Übersetzung: „Also um acht. Ich sage den anderen Bescheid.“
Im englischen Original ist «at» das letzte unveränderte Wort vor der Zielpassage. Bewahren Sie Originalton und Transkript zusammen auf, damit die prüfende Person den Übergang hören kann, statt das Ersatzwort isoliert zu beurteilen.
Das erste unveränderte Wort danach
Im englischen Original beginnt der nächste Satz mit «Please» («Bitte»). Das ist wichtig, weil eine Korrektur der Uhrzeit die Pause vor dieser Anweisung verändern kann. Auch mit der richtigen Zahl im Transkript kann die Aufnahme noch wie eine Verbindung zweier unzusammenhängender Aufnahmen klingen.
Diese Klammern sind redaktionelle Markierungen, keine API-Syntax. Fügen Sie sie nicht in eine Oberfläche ein und nehmen dabei an, sie würden einen Schutz aktivieren. Übertragen Sie die Anforderung auf die tatsächlich verfügbaren Bedienelemente eines autorisierten Tests oder nutzen Sie sie für das Briefing einer menschlichen Neuaufnahme.
Sprecheridentität, Raumton und emotionale Kontinuität
Notieren Sie die vorgesehene sprechende Person und die Grundlage ihrer Nutzungserlaubnis, die Eigenschaften des Raumtons und die emotionale Richtung der Szene. Der Inspizient korrigiert hier einen Zeitplan, statt einen Konflikt zu verschärfen. Ein lauteres oder anklagendes «acht» würde den Austausch verändern, auch wenn das Wort verständlich bliebe.
Der vorhandene Leitfaden für das Sprecherspiel behandelt eine andere Aufgabe: die Vorbereitung der Darbietung. Dieser Artikel konzentriert sich darauf, eine vorgeschlagene Änderung an einer bereits ausgewählten Aufnahme festzulegen und zu prüfen.
Schreiben Sie eine Notiz, die nur die beabsichtigte Dimension ändert
Die Uhrzeit korrigieren, ohne die Replik lauter zu machen
Regienotiz A: „Ersetzen Sie die Probenzeit durch ‚eight‘, also acht Uhr. Die umgebende Anweisung soll im Gesprächston bleiben. Lehnen Sie eine Fassung ab, in der das korrigierte Wort wie ein nachdrücklicher Tadel klingt.“ Zulässige Änderung: die genannte Uhrzeit. Zu bewahren: die ruhige Absicht des Inspizienten.
Ergänzen Sie dieselbe Anweisung nicht um «Machen Sie es emotionaler». Damit käme eine zweite Variable hinzu und es wäre schwieriger zu erkennen, was sich verändert hat. Müssen sowohl der Sachverhalt als auch das Spiel korrigiert werden, formulieren Sie die Änderungen getrennt und prüfen Sie beide am Original.
Behalten Sie die Entschuldigung bei, aber entfernen Sie die sarkastische Betonung
Regieanweisung B: «Behalten Sie “Es tut mir leid wegen der Änderung” und dessen Bedeutung bei. Bitten Sie um eine aufrichtige, zurückhaltende Darbietung. Lehnen Sie eine Version ab, die die Entschuldigung weglässt oder in einen Witz verwandelt.» Das ist eine vorgeschlagene Überarbeitung, keine Behauptung, dass gewöhnliche Konten heute eine vorhandene Fish-Aufnahme bearbeiten können.
Der Bericht beschreibt Forschung, die für die Regie durch aufeinanderfolgende Anweisungen relevant ist. Trennen Sie diese Aussage von der Verfügbarkeit im gehosteten Dienst. Der technische Bericht ist eine Quelle für Ersteres, kein Nachweis für Letzteres.
Eine Korrektur mit einem nicht vorgesehenen Atemzug ablehnen
Regieanweisung C: «Der Übergang in den nächsten Satz soll unauffällig bleiben. Lehnen Sie einen hinzugefügten Atemzug ab, der den Inspizienten vor der Anweisung zum Eingang unsicher wirken lässt.» Dieses Ablehnungskriterium macht die Anweisung überprüfbar.
Ein zusätzlicher Atemzug ist nicht grundsätzlich falsch. Für die hier festgelegte Absicht ist er falsch, wenn er verändert, was die zuhörende Person daraus schließt. Bewahren Sie den abgelehnten Versuch als Beleg für diese Abweichung auf, statt das Briefing nach dem Anhören stillschweigend anzupassen.
Die Schnittstelle anhören, bevor Sie den korrigierten Wörtern vertrauen
Ein abgeschnittener Konsonant am Beginn der Passage
Hören Sie das vorhergehende Wort, die Zielpassage und den folgenden Satz im Zusammenhang an. Ein hypothetischer Fehler würde im englischen Original das Ende von «at» abschneiden, obwohl «eight» («acht») klar zu hören ist. Das ist ein erfundenes Prüfbeispiel, kein in einer Drama-3-Ausgabe beobachteter Fehler.
Verwenden Sie Kopfhörer und übliche Wiedergabebedingungen, die zur geplanten Veröffentlichung passen. Notieren Sie, was Sie tatsächlich hören. Ein flüchtiges Anhören oder ein passendes Transkript belegt keine samplegenaue Erhaltung der Aufnahme.
Eine abrupte Änderung des Raumtons
Feld im Hörprotokoll | Erst nach einem tatsächlichen Versuch ausfüllen |
|---|---|
Originalaufnahme und Erlaubnisprotokoll | ___ |
Dienst, Modell und Zugangsoberfläche | ___ |
Gewünschte Passage oder Änderung des Spiels | ___ |
Beobachtung der Übergänge am Anfang und Ende | ___ |
Raumton und Kontinuität der Stimme | ___ |
Akzeptiert, abgelehnt oder unsicher; Grund | ___ |
Die leeren Felder sind beabsichtigt. Eine Prüfliste ist kein Ergebnis. Liegt keine autorisierte Ausgabe vor, lassen Sie die Felder leer und kennzeichnen Sie die Prüfung als ausstehend.
Die Antwort der nächsten Figur passt nicht mehr zur Emotion
Spielen Sie die Antwort der darstellenden Person nach der vorgeschlagenen Korrektur ab. Eine neue sarkastische Aufnahme des Inspizienten könnte eine ruhige Antwort unglaubwürdig wirken lassen. Das ist eine Abweichung auf Szenenebene, selbst wenn beide Aufnahmen einzeln sauber klingen.
Akzeptieren Sie die Aufnahme nur, wenn die sachliche Änderung, die Übergänge und die Beziehung zum freigegebenen Briefing passen. Liefert eine vollständige Neuaufnahme ein brauchbareres Ergebnis, verwenden Sie diese. Lokale Bearbeitung ist ein mögliches Produktionsmittel, keine Verpflichtung, eine ungeeignete ursprüngliche Darbietung zu erhalten.
Lippensynchronisation nur dort neu erstellen, wo sich das akzeptierte Audio geändert hat
Die betroffene Einstellung mit neuen Lippenbewegungen erstellen
Briefing für den Ersatz: betroffene Einstellung ___; Originalaudio ___; akzeptierter Ersatz ___; freigegebene Referenz der fiktiven Figur ___; benötigte Replik ___; noch offene Bildprüfung ___. Bewahren Sie das Original auf und benennen Sie die akzeptierte Aufnahme eindeutig.
Die Lippensynchronisation von APOB ist ein optionaler nachfolgender Produktionsschritt für unterstützte Audio- und Bildeingaben, deren Nutzung erlaubt ist. Sie erzeugt eine neue sprechende Darbietung, die anschließend geprüft werden muss. Sie ist keine automatische Schnittstelle für Fish-Korrekturen und garantiert keine identischen benachbarten Bilder.
Eine unveränderte Reaktionseinstellung kann weiterhin verwendbar sein
Eine nicht betroffene Einstellung der zuhörenden Figur lässt sich möglicherweise weiterverwenden, sofern Handlung, Blickrichtung und Dauer weiterhin passen. Prüfen Sie sie, statt automatisch alle Materialien zu ersetzen. Eine beibehaltene Einstellung ist eine Produktionsentscheidung und kein Beleg für ein toolübergreifendes Abhängigkeitssystem.
Benötigen Sie neues Bildmaterial, prüfen Sie die Bild-zu-Video-Funktion von APOB auf ihre tatsächliche Modellunterstützung. Trennen Sie die Erstellung von Material von Aussagen über den Zugang zur Sprachbearbeitung.
Eine separate Timing-Prüfung für die Endbearbeitung
Die Person am externen Schnittprogramm muss den akzeptierten Ton, die sprechende Einstellung, die Reaktion und das Timing der Untertitel gemeinsam prüfen. Die neue Passage kann die nutzbare Dauer verändern. Übereinstimmende Wörter allein bestätigen noch nicht die fertig montierte Szene.
Mit Stand vom 2. November 2026 bleibt dies ein Forschungsausblick, der die Zugangsbedingungen berücksichtigt, sowie eine eigens entwickelte Korrekturvorgabe. Prüfen Sie vor einem Versuch die aktuelle Verfügbarkeit bei Fish. Ohne Einladungszugang nutzen Sie eine zulässige vollständige Neuaufnahme. Erfinden Sie keine fehlende Oberfläche und stellen Sie diese noch leeren Prüfungen nicht als abgeschlossene Tests dar.
Quellen
Fish Audio Team, technischer Bericht zu Fish Audio Drama 3, 13. Oktober 2026; abgerufen am 2. November 2026
Fish Audio, Ankündigung von Drama 3, 13. Oktober 2026; abgerufen am 2. November 2026
Fish Audio, offizielles Fish-Speech-Repository
APOB, kostenloser KI-Videogenerator für Lippensynchronisation; abgerufen am 2. November 2026























