FishAudio 开源语音模型 Drama 3，单段文字可演绎 16 个角色
精选理由
FishAudio 开源了 Drama 3，一段文字最多能配 16 个角色音，读错字改文字就能接上，做广播剧播客能试试。
FishAudio 开源了语音生成模型 Drama 3，文本骨干采用 Qwen 35B-A3B 架构，参数规模远超常见的几 B 语音模型，对显存要求更高。模型可在同一段文字中区分并演绎最多 16 个不同角色的声音，适合制作广播剧和多人朗读内容。提供一段简短参考音频即可克隆对应音色，在文本中插入叹气、笑声等情绪标签可以控制语气。读错字时只需修改对应文字，模型会顺着原语流补齐新音频，长文本则自动切块生成并支持边生成边播放。模型已开源但不可商用。
原文 · Gorden Sun
FishAudio开源Drama 3：最强开源语音模型
文本骨干模型是35B-A3B的Qwen模型，通常的语音模型都几B，这个语音模型就显得特别吃显卡。但是能力确实没得说：
· 一人分饰多角：同一段文字里最多可以区分并演绎 16 个不同角色的声音，很适合用来制作广播剧、多人小说朗读或对话类节目。
· 声音克隆与情绪控制：用户提供一段简短的参考音频，模型就能模仿对应的音色；同时支持在文字中加入叹气、笑声等情绪标签，让语气更贴近真人。
· 像改文档一样改音频：如果读错了一个词，不需要整段重新生成，只修改有变动的文字，模型就能顺着之前的语流把新的部分接上。
· 长文本流畅处理：遇到较长的文章，系统会自动切块生成，并支持边生成边播放，减少等待时间。
模型，开源但不可商用：https://t.co/bncewAHaAi
