Fish Audio, 35 milyar parametreli bir mixture-of-experts metin‑konuşma modeli olan Drama 3'ü yayınladı. Model, düz dildeki oyunculuk yönlendirmelerini kabul ediyor ve 83 dili destekliyor. Model, Hugging Face üzerinde açık ağırlıklarla ve Fish Audio API'sinde de bulunabilir olarak sunuluyor; bu, senaryolu diyalog, sesli kitap ve dublaj üzerinde çalışan geliştiriciler için kendi kendine barındırılabilir bir seçenek sağlıyor. Qwen3.5-35B-A3B temelli bir omurga ve Codebook-MTP çözücüsü ile inşa edilen Drama 3, oyunculuk ipuçlarını ve köşeli parantez içindeki yönlendirmeleri işleyerek tek bir istekte 16 karaktere kadar 44,1 kHz ses üretir.
Benchmark testlerinde Drama 3, Artificial Analysis Pronunciation Robustness ölçümünde %93,2 genel puanla lider konuma ulaştı; marka, yer ve teknik terimler üzerinde %95,9 en yüksek performansı gösterdi. Ayrıca Artificial Analysis kalite lider tablosunda 1242 Elo puanı elde etti. Modeli çalıştırmak için FP8 formatında en az 48 GB NVIDIA GPU belleği gerekir; CPU, Apple MPS ve AMD ROCm desteklenmemektedir. Resmi benchmark, SGLang-Omni sunucusu kullanılarak NVIDIA H200 GPU üzerinde gerçekleştirildi. Barındırılan API, bir milyon karakter başına 50 $ ücretlendirilirken, geçici bir lansman fiyatı da sunulmaktadır.
Neden önemli: Fish Audio Drama 3, açık ağırlıklı erişimi gelişmiş, yönlendirilebilir metin‑konuşma sentezine, ince duygusal kontrol ve çoklu konuşmacı yetenekleriyle genişletiyor.