FishAudio 开源语音模型 Drama 3，单段文字可演绎 16 个角色

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。