Fish Audio ra mắt Drama 3, mô hình chuyển văn bản thành giọng nói mã nguồn mở 35B tham số

Công ty AI giọng nói Fish Audio vừa ra mắt Drama 3, một mô hình chuyển văn bản thành giọng nói mới được công bố vào ngày 14 tháng 10 năm 2026. Mô hình có tổng cộng 35 tỷ tham số và sử dụng thiết kế hỗn hợp chuyên gia (MoE). Fish Audio sẽ công khai trọng số của mô hình.

Theo thông tin phát hành, Drama 3 chỉ kích hoạt khoảng 3 tỷ tham số tại mỗi thời điểm. Trong hệ thống MoE, chỉ một nhóm mạng con chuyên biệt xử lý từng đầu vào, nhờ đó mô hình vẫn giữ được năng lực tổng thể lớn mà lượng tính toán cần để vận hành tương đối khiêm tốn.

Điều khiển bằng ngôn ngữ tự nhiên

Điểm nổi bật của mô hình là người dùng có thể điều chỉnh giọng nói đầu ra bằng các hướng dẫn viết thông thường thay vì thiết lập kỹ thuật, chẳng hạn mô tả giọng điệu, cảm xúc hoặc cách diễn đạt mong muốn. Drama 3 được cho là hỗ trợ 83 ngôn ngữ.

Tên gọi và trọng tâm vào việc chỉ đạo bằng ngôn ngữ tự nhiên cho thấy mô hình hướng tới giọng nói có tính biểu cảm, mang phong cách trình diễn. Tuy nhiên, bản tóm tắt công khai không đưa ra so sánh điểm chuẩn về chất lượng âm thanh hay phân tích chi tiết mức độ hỗ trợ của từng ngôn ngữ.

Điều khoản cấp phép

Trọng số được phân phối theo giấy phép cộng đồng có giới hạn doanh thu. Các giấy phép dạng này thường cho phép cá nhân, nhà nghiên cứu và các công ty nhỏ sử dụng mô hình một cách tự do, trong khi yêu cầu doanh nghiệp có doanh thu vượt ngưỡng nhất định phải đàm phán điều khoản thương mại riêng. Ngưỡng cụ thể mà Fish Audio chọn không được nêu trong thông tin hiện có.

Trọng số mở cho phép nhà phát triển chạy mô hình trên phần cứng của riêng mình, tinh chỉnh và tích hợp vào sản phẩm mà không phụ thuộc vào dịch vụ lưu trữ. Vì phần lớn thị trường chuyển văn bản thành giọng nói hiện được phục vụ qua các dịch vụ API đóng, một mô hình mở ở quy mô này mang lại thêm một lựa chọn để các nhóm làm lồng tiếng, game và công cụ hỗ trợ tiếp cận đánh giá.