Fish Audio lanza Drama 3, un modelo TTS de pesos abiertos de 35B parámetros con MoE
Fish Audio ha publicado Drama 3, un modelo de conversión de texto a voz que genera habla interpretada a partir de indicaciones en lenguaje natural y admite hasta 16 personajes por solicitud en 83 idiomas. Es un modelo MoE de 35B parámetros totales con unos 3B activos por token, con pesos en Hugging Face y disponible también mediante API. Según la propia compañía, logra un 93,2 % en Artificial Analysis Pronunciation Robustness, aunque su puntuación de calidad (Elo 1242) queda por detrás de Eleven v4 Turbo (1328). Para autoalojarlo se necesita al menos una GPU NVIDIA de 48 GB en FP8, y la licencia comunitaria permite uso comercial gratuito solo hasta 500.000 USD de ingresos anuales.
Fuentes
- MarkTechPostFish Audio Releases Drama 3, a 35B Open-Weight MoE Text-to-Speech Model