返回全部动态
Fish Audio 发布 Drama 3 多说话人 TTS 模型
原标题：fishaudio/drama-3
AI 摘要
Fish Audio 发布新一代文本转语音模型 Fish Audio Drama 3，采用 35B 参数、每 token 激活 3B 的 MoE 文本主干与混合注意力，并配备 Codebook-MTP 音频解码器，支持最多 16 个说话人标签、声音克隆与自然语言控制。该模型发布首日即支持 SGLang-Omni 与 vLLM-Omni 部署，在单张 H200 上单流首包延迟低于 100ms，并发 16 时仍可实时生成。
以上摘要由 AI 生成，可能存在误差。事实请以原文为准。
正文节选
--- language: - zh - en - ja - ko - es - pt - ar - ru - fr - de - sv - it - tr - 'no' - nl - cy - eu - ca - da - gl - ta - hu - fi - pl - et - hi - la - ur - th - vi - jw - bn - yo - sl - cs - sw - nn - he - ms - uk - id - kk - bg - lv - my - tl - sk - ne - fa - af - el - bo - hr - ro - sn - mi - yi - am - be - km - is - az - sd - br - sq - ps - mn - ht - ml
发布时间：2026-10-17 13:06
抓取时间：2026-10-17 13:09
来源机构：Hugging Face