Fish Audio发布Drama 3多角色长文本语音模型
Fish Audio推出Drama 3语音合成模型，主打多角色长内容，单段文本最多标记16个说话人，并支持声音克隆与自然语言控制。总参数350亿、每token激活约30亿，可经SGLang-Omni或vLLM-Omni部署流式服务。价格与国内可用性未知，公开性能基于H200，本条未实测。
要点
- 单段文本可用说话人标签承载最多16个角色，并支持声音克隆与自然语言控制。
- 文本骨干为350亿参数MoE、每token激活30亿，音频解码使用10个码本并按整段因果生成。
- 官方H200测试中单路首包中位约89毫秒；价格与国内可用性未知，本条未实测。
为什么值得看
它把多说话人、声音克隆和自然语言控制放进同一段长文本，并支持按块流式输出，适合对白和长内容配音。
谁会受影响
需要多角色有声内容、长音频生成或自建语音服务的开发者与内容团队。
今天就能怎么试
资料给出SGLang-Omni与vLLM-Omni加载fishaudio/drama-3的方式；价格和国内可用性未知，本条未实测。
原始来源
1fishaudio/drama-3 (Model) · Hugging Face 热门模型 · 2026年10月1日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
英伟达发布Kumo Relational：关系库预测无需训练
英伟达发布预训练关系基础模型Kumo Relational，可直接对企业数据库做流失、需求或欺诈等预测，无需逐任务训练和特征工程。在15个库的41项任务上超过监督模型，SAP SALT的MRR高出AutoGluon约8%。国内可用性与价格未知。
Gemini 4 Argon上线，主打复杂专业任务
谷歌宣布Gemini 4 Argon已面向开发者和企业全球上线，可经AI Studio与Gemini平台API调用，Ultra及Pro订阅用户还可在应用和搜索中使用。模型主打编程、金融、法律、安全与科研等长流程任务，官方称Vals指数第一。入门价为每百万输入2美元、输出10美元，国内可用性未知。
Bria发布Fibo 2.0 Dev：编辑与文生图合一的开源基座
Bria发布开源模型Fibo 2.0 Dev，将图像编辑与文生图合并到同一非蒸馏基座。资料称截至2026年10月20日，它在开放权重图像编辑榜居首、文生图居次，约80亿参数且仅用授权数据训练。国内可用性与价格未知。
Unsloth发布DeepSeek-V4.1-Flash-1017 GGUF，编程与智能体基准提升
Unsloth发布DeepSeek-V4.1-Flash-1017的GGUF量化。该版本称在推理、编程、智能体与视觉基准上明显优于前代，并缩短任务耗时和输出长度。可用llama.cpp、Ollama等本地运行，内存门槛高；价格与国内可用性未知。