Fish Audio เปิดตัว Drama 3 โมเดลแปลงข้อความเป็นเสียงพูดแบบ open-weight ขนาด 35B

บริษัท AI ด้านเสียง Fish Audio เปิดตัว Drama 3 โมเดลแปลงข้อความเป็นเสียงพูดรุ่นใหม่ ซึ่งประกาศเมื่อวันที่ 14 ตุลาคม 2026 โมเดลนี้มีพารามิเตอร์รวม 35 พันล้านตัวและใช้สถาปัตยกรรมแบบ mixture-of-experts (MoE) โดย Fish Audio เปิดให้ดาวน์โหลดน้ำหนักโมเดลสู่สาธารณะ

ตามรายละเอียดการเปิดตัว Drama 3 ทำงานด้วยพารามิเตอร์ที่ถูกเปิดใช้งานเพียงประมาณ 3 พันล้านตัวในแต่ละครั้ง ในระบบ MoE จะมีเพียงกลุ่มย่อยของเครือข่ายเฉพาะทางเท่านั้นที่ประมวลผลข้อมูลแต่ละชุด ทำให้โมเดลยังคงมีความจุโดยรวมขนาดใหญ่ได้ ขณะที่ทรัพยากรการประมวลผลที่ต้องใช้ในการรันยังอยู่ในระดับที่ค่อนข้างประหยัด

ควบคุมด้วยภาษาธรรมดา

จุดเด่นสำคัญของโมเดลนี้คือผู้ใช้สามารถกำหนดลักษณะเสียงที่ได้ด้วยคำสั่งเขียนแบบปกติ แทนการตั้งค่าทางเทคนิค โดยระบุน้ำเสียง อารมณ์ หรือลีลาการพูดที่ต้องการ มีรายงานว่า Drama 3 รองรับ 83 ภาษา

ชื่อของโมเดลและการเน้นการควบคุมด้วยภาษาธรรมชาติ สะท้อนว่าโมเดลนี้มุ่งเน้นเสียงพูดที่มีอารมณ์และลีลาการแสดงเป็นหลัก อย่างไรก็ตาม บทสรุปที่เผยแพร่สู่สาธารณะไม่มีการเปรียบเทียบผลการทดสอบด้านคุณภาพเสียง และไม่มีรายละเอียดว่าแต่ละภาษาได้รับการรองรับดีเพียงใด

เงื่อนไขการอนุญาตใช้งาน

น้ำหนักโมเดลถูกเผยแพร่ภายใต้ใบอนุญาตชุมชนที่มีการจำกัดรายได้ โดยทั่วไปใบอนุญาตลักษณะนี้อนุญาตให้บุคคล นักวิจัย และบริษัทขนาดเล็กใช้โมเดลได้อย่างอิสระ ขณะที่ธุรกิจที่มีรายได้เกินเกณฑ์ที่กำหนดต้องเจรจาเงื่อนไขการใช้งานเชิงพาณิชย์แยกต่างหาก ทั้งนี้ ข้อมูลที่มีอยู่ไม่ได้ระบุเกณฑ์รายได้ที่แน่นอนที่ Fish Audio เลือกใช้

การเปิดน้ำหนักโมเดลช่วยให้นักพัฒนารันโมเดลบนฮาร์ดแวร์ของตนเอง ปรับแต่งเพิ่มเติม และนำไปผสานในผลิตภัณฑ์โดยไม่ต้องพึ่งพาบริการโฮสต์ เนื่องจากตลาดเทคโนโลยีแปลงข้อความเป็นเสียงส่วนใหญ่ให้บริการผ่านระบบปิดที่เรียกใช้ผ่าน API โมเดลแบบเปิดขนาดนี้จึงเป็นอีกทางเลือกให้ทีมที่ทำงานด้านการพากย์เสียง เกม และเครื่องมือช่วยการเข้าถึงได้นำไปประเมิน