Fish Drama-3 接入 HF speech-to-speech：克隆声音还能耳语、叹气、装担忧
andimarafioti · x · 2026-10-20
Fish Audio 的 Drama-3 语音模型已通过 PR 合入 Hugging Face 的 speech-to-speech 项目，支持流式语音对话。演示者克隆了自己的声音后，仅靠说话就能让模型耳语、大笑、叹气或表现担忧。
技术要点：
- 通过 SGLang Omni 的 speech 端点接入，支持从单条参考音频+文本做可选声音克隆，多语言输出，以及内联情感、耳语、语速与声线提示。
- 复用现有 HTTP 取消/销毁逻辑，用 SoXR 将 44.1 kHz 音频转换为流水线的 16 kHz 块，不新增客户端依赖。
- 使用官方 int4 checkpoint，一条命令即可启动：sgl-omni serve --model-path fishaudio/drama-3-int4 --port 8000。
「编程与Agent」频道最新
- BizAgentBench 揭示长时程 Agent 落地业务流程的隐性难题 — _akhaliq · 2026-10-20
- AI 写游戏随手造出风场求解器,实机飞行「好得吓人」 — MoonL88537 · 2026-10-20
- Runway 推出 MCP 服务，可在 ChatGPT、Claude、Grok 内直接生成视频 — runwayml · 2026-10-20
- Runway MCP 接入 Grok Bot,聊天中直接调用视频生成 — runwayml · 2026-10-20
- 写作Agent「Wally」上线：学你的文风，邮件Slack提示词一把抓 — Scobleizer · 2026-10-20
- 用 AI Agent 侦查 vibe coding 战场：搜 Replit 首条广告竟是 Lovable — Aiden_Tech_Ai · 2026-10-20