搜索

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。

Drama 3 面向多角色场景与长篇配音，支持声音克隆、自然语言表演控制和最多十六个角色标签。模型采用 350 亿总参数、约 30 亿活跃参数架构，HF Space 提供直接生成入口；权重使用 Fish Audio 社区许可，商用须核对条款。长文本会自动分块。