Fish Audio 发布 Drama 3：35B 开源权重 MoE 文本转语音模型

Fish Audio 本周发布 Drama 3，一个 35B 混合专家文本转语音模型，每 token 约 3B 激活参数，权重已上架 Hugging Face 并接入 Fish Audio API。模型支持用括号内的自然语言表演指令控制语气、最多 16 个说话人标签和 83 种语言，在 Artificial Analysis 发音鲁棒性上取得 93.2% 总体成绩，但精确序列类（代码、路径、邮箱）仅 86.3%。自托管需至少 48 GB 显存的 NVIDIA GPU 并运行 FP8，不支持 CPU、Apple MPS 和 AMD ROCm；API 标价每 100 万字符 50 美元，11 月 12 日前为 10 美元，权重采用社区许可，年收入 50 万美元以下可免费商用。