fishaudio/drama-3

Fish Audio 发布 Drama 3 文本转语音模型，支持多角色和修订功能 · 跟踪 2 个来源

Fish Audio 发布了 Fish Audio Drama 3，这是一个开源的文本转语音模型，能够生成具有多个角色的定向表演。该模型拥有一个 350 亿参数的混合专家（MoE）骨干网络，每个 token 激活 30 亿参数，并提供语音克隆、自然语言指令、多轮修订、场景配音和音频填补等高级功能。Drama 3 展示了令人印象深刻的推理速度，在 NVIDIA H200 上以每秒 271 帧的速度进行解码，远快于其前身 Fish Audio S2。