Fish Audio выпустила Drama 3: открытую модель синтеза речи на 35 млрд параметров

Компания Fish Audio, работающая в области голосового ИИ, выпустила Drama 3, новую модель синтеза речи, о которой было объявлено 14 октября 2026 года. Общее число параметров модели составляет 35 миллиардов, а сама она построена по архитектуре смеси экспертов (MoE). Fish Audio делает веса модели общедоступными.

Согласно информации о релизе, Drama 3 одновременно активирует примерно 3 миллиарда параметров. В системе MoE каждый входной запрос обрабатывает лишь часть специализированных подсетей. Это позволяет модели сохранять большой общий объём возможностей, оставаясь при этом сравнительно нетребовательной к вычислительным ресурсам при запуске.

Управление простым языком

Ключевая особенность модели в том, что пользователи могут управлять голосом с помощью обычных текстовых инструкций, а не технических настроек, описывая нужную тональность, эмоции или манеру подачи. Сообщается, что Drama 3 поддерживает 83 языка.

Название модели и акцент на управлении естественным языком указывают на ориентацию на выразительную, исполнительскую речь. Однако в общедоступном описании нет сравнительных тестов качества звука и данных о том, насколько хорошо поддерживается каждый язык.

Условия лицензирования

Веса распространяются по лицензии сообщества с ограничением по выручке. Такие лицензии обычно позволяют частным лицам, исследователям и небольшим компаниям свободно использовать модель, а компаниям с выручкой выше установленного порога требуют заключить отдельное коммерческое соглашение. Точный порог, выбранный Fish Audio, в доступной информации не указан.

Открытые веса позволяют разработчикам запускать модель на собственном оборудовании, дообучать её и встраивать в продукты без зависимости от облачного сервиса. Поскольку значительная часть рынка синтеза речи обслуживается закрытыми решениями на основе API, открытая модель такого масштаба даёт командам, работающим над озвучкой, играми и инструментами доступности, ещё один вариант для оценки.