Fish Audio预发布Drama 3语音模型

2026年10月14日，Fish Audio一手发布Drama 3预发布信息。该模型是一款将文本生成定向表演的开源语音生成模型，支持多参考声音克隆、自然语言导演指令、多轮重演、语音局部编辑、多角色场景、长文本及流式音频。模型采用35B-A3B混合线性注意力MoE骨干和codebook-MTP音频解码器，覆盖约80种语言和方言，输出44.1 kHz音频。预发布运行至少需要48 GB显存的NVIDIA GPU，并提供FP8与float16等运行方式。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。