Fish Audio rilascia Drama 3, un modello text-to-speech open-weight da 35B

La società di voice AI Fish Audio ha rilasciato Drama 3, un nuovo modello text-to-speech annunciato il 14 ottobre 2026. Il modello dispone di 35 miliardi di parametri complessivi e utilizza un'architettura mixture of experts (MoE). Fish Audio renderà disponibili pubblicamente i pesi del modello.

Secondo i dettagli del rilascio, Drama 3 attiva circa 3 miliardi di parametri alla volta. In un sistema MoE, ogni input è elaborato solo da un sottoinsieme di sotto-reti specializzate: così il modello mantiene una grande capacità complessiva, riducendo però in modo relativo la potenza di calcolo necessaria per farlo funzionare.

Diretto con il linguaggio naturale

Una caratteristica centrale del modello è che gli utenti possono guidare la resa vocale con normali istruzioni scritte, anziché con impostazioni tecniche, descrivendo il tono, l'emozione o l'interpretazione desiderata. Drama 3 supporterebbe 83 lingue.

Il nome e l'enfasi sulla direzione tramite linguaggio naturale suggeriscono un'attenzione al parlato espressivo, in stile interpretativo. La sintesi pubblicamente disponibile, tuttavia, non include confronti di benchmark sulla qualità audio né un'analisi dettagliata del livello di supporto per ciascuna lingua.

Termini di licenza

I pesi sono distribuiti con una licenza comunitaria con tetto sui ricavi. Licenze di questo tipo consentono in genere a singoli individui, ricercatori e aziende più piccole di usare il modello liberamente, mentre richiedono alle imprese che superano una soglia di ricavi prestabilita di negoziare condizioni commerciali separate. La soglia esatta scelta da Fish Audio non è specificata nelle informazioni disponibili.

I pesi aperti permettono agli sviluppatori di eseguire il modello sul proprio hardware, di ottimizzarlo e di integrarlo nei prodotti senza affidarsi a un servizio ospitato. Poiché gran parte del mercato text-to-speech è servito da offerte chiuse basate su API, un modello aperto di questa scala offre ai team che lavorano su voiceover, videogiochi e strumenti di accessibilità un'alternativa da valutare.