fishaudio/drama-3

Fish Audio 新一代语音合成模型，面向多角色剧情和长文本：一段文本最多 16 个说话人，支持声音克隆、用自然语言和 \[sighs\] 这类标签控制语气，还能基于上一版音频改词重录。 上升分 417 · 点赞 908 · 下载量 16305 **理由** - MoE 主干 35B 总参、每 token 激活 3B，FP8 专家权重。 - 官方称单张 H200 单路流式首包 88.9 ms、RTF 0.131，16 路并发时仍比实时快约 2.7 倍。 - 多角色对白和“改一个词重录”对有声书、短剧配音直接有用。 **用法** - SGLang-Omni：安装 .\[fishaudio\] 后 sgl-omni serve --model-path fishaudio/drama-3；或 vLLM-Omni：vllm serve fishaudio/drama-3 --omni。 - 调用 /v1/tts，references 传参考音频和文本，previous\_takes 传旧版本做编辑。 **风险** - 许可为 fish-audio-research-license，模型卡链接的 LICENSE.md 返回“Entry not found”，商用条款无法核对。 - 需要数据中心级 GPU 部署，暂无 ComfyUI 支持。 [打开](https://huggingface.co/fishaudio/drama-3)