Fish Audio 开源 Drama 3 TTS:35B MoE,单词级语气可控
ying11231 · x · 2026-10-14
Fish Audio 发布新一代开源权重 TTS 模型 Drama 3，主打多角色对话与长文本配音，官方称为目前最具情感表现力、可控性最强的 TTS。
- 架构：35B 参数 MoE 文本骨干（每 token 激活 3B），混合 full+linear attention；音频解码用 Codebook-MTP，10 个 codebook 全序列因果解码；MoE 专家 FP8、其余 bf16
- 能力：支持 16 个说话人标签单文本多角色、参考音频声音克隆、自然语言控制，甚至可控制单个词的语气、句中换声
- 部署：SGLang-Omni day-0 支持，单张 H200 上单流 median 89ms 首音频；提供 /v1/audio/speech 接口与完整 cookbook
- 公司刚完成 $52M 种子轮，称有 15M+ 用户
所属事件:Fish Audio 开源 Drama 3：导演式 TTS 登顶榜单(11 条相关)→
「Infra」频道最新
- 实测揭示：同一模型不同供应商，每任务成本差距可达 9 倍 — ArtificialAnlys · 2026-10-14
- Apple 发布 Minions:把闲置 Mac 的 GPU 组成云端跑推理 — MikePFrank · 2026-10-14
- AnythingLLM 弃用 Ollama 改用 llama.cpp,推理最快提升 2 倍 — solyarisoftware · 2026-10-14
- LlamaForge:为 llama.cpp 打造浏览器控制面板,本地 Agent 引用必须过代码核验 — Sleepybear2611 · 2026-10-14
- CoreWeave 藏的多是旧卡:GPU 保值超折旧表,资产结构存疑 — ivan_bezdomny · 2026-10-14
- NVMe 读取 7GB 模型仅 2 秒,ComfyUI 加载却要 30 秒 — rguerraf · 2026-10-14