Fish Audio publie Drama 3, un modèle de synthèse vocale open-weight de 35 milliards de paramètres

La société spécialisée dans l'IA vocale Fish Audio a publié Drama 3, un nouveau modèle de synthèse vocale annoncé le 14 octobre 2026. Le modèle compte 35 milliards de paramètres au total et repose sur une architecture à mélange d'experts (MoE). Fish Audio rend ses poids accessibles au public.

Selon les détails de la publication, Drama 3 n'active qu'environ 3 milliards de paramètres à la fois. Dans un système MoE, seul un sous-ensemble de sous-réseaux spécialisés traite chaque entrée, ce qui permet à un modèle de conserver une grande capacité globale tout en limitant relativement les ressources de calcul nécessaires à son fonctionnement.

Dirigé en langage naturel

L'une des caractéristiques principales du modèle est que les utilisateurs peuvent orienter la voix générée à l'aide de simples instructions écrites plutôt que de réglages techniques, en décrivant le ton, l'émotion ou le style de diction souhaités. Drama 3 prendrait en charge 83 langues.

Le nom du modèle et l'accent mis sur la direction en langage naturel laissent penser qu'il vise une parole expressive, de type interprétation. Le résumé accessible au public ne comprend toutefois ni comparaison de performances sur la qualité audio, ni détail sur le niveau de prise en charge de chaque langue.

Conditions de licence

Les poids sont distribués sous une licence communautaire assortie d'un plafond de chiffre d'affaires. Ce type de licence permet généralement aux particuliers, aux chercheurs et aux petites entreprises d'utiliser le modèle librement, tout en obligeant les entreprises dépassant un seuil de chiffre d'affaires défini à négocier des conditions commerciales distinctes. Le seuil exact choisi par Fish Audio n'est pas précisé dans les informations disponibles.

Des poids ouverts permettent aux développeurs de faire tourner le modèle sur leur propre matériel, de l'affiner et de l'intégrer à leurs produits sans dépendre d'un service hébergé. Comme une grande part du marché de la synthèse vocale est assurée par des offres fermées, accessibles via API, un modèle ouvert de cette envergure offre aux équipes travaillant sur les voix off, les jeux et les outils d'accessibilité une option supplémentaire à évaluer.