Fish Audio、35Bパラメータのオープンウェイト音声合成モデル「Drama 3」を公開

音声AI企業のFish Audioは、2026年10月14日に発表された新しい音声合成モデル「Drama 3」を公開した。モデルの総パラメータ数は350億で、Mixture-of-Experts（MoE）設計を採用している。Fish Audioはそのウェイトを一般に公開する。

公開された情報によると、Drama 3は一度に約30億パラメータしか活性化しない。MoEシステムでは、入力ごとに特化したサブネットワークの一部だけが処理を担当する。そのため、モデル全体の規模を大きく保ちながら、実行に必要な計算量は比較的抑えられる。

平易な言葉で演出を指示

このモデルの中心的な特徴は、技術的な設定ではなく、トーン、感情、話し方などを通常の文章で指示して音声の出力を制御できる点だ。Drama 3は83言語をサポートするとされている。

モデル名と自然言語による演出指示を重視している点からは、表現力の豊かな、演技的な音声生成に力を入れていることがうかがえる。ただし、公開されている概要には、音声品質のベンチマーク比較や、各言語のサポート状況の詳細は含まれていない。

ライセンス条件

ウェイトは収益上限付きのコミュニティライセンスで配布される。この種のライセンスは通常、個人、研究者、小規模企業が無償でモデルを利用できる一方、収益が一定額を超える企業には別途商用条件の交渉を求める。Fish Audioが設定した具体的な閾値は、入手可能な情報では明らかにされていない。

オープンウェイトにより、開発者は自社のハードウェアでモデルを動かし、ファインチューニングを行い、ホスト型サービスに頼らずに製品へ組み込むことができる。音声合成市場の多くはクローズドなAPI型のサービスで提供されているため、この規模のオープンモデルは、ボイスオーバー、ゲーム、アクセシビリティ支援ツールに取り組むチームにとって、検討できる新たな選択肢となる。