Fish

general · First seen 2026-05-22 · Last seen 2026-11-19 · 169 mentions

Overview

Fish Audio 是一家专注于语音生成技术的 AI 公司,其发布的 Fish(Drama 系列)开源语音模型是当前开源 TTS(文本转语音)领域最受关注的产品之一。2026 年 10 月,Fish Audio 推出 Drama 3 后迅速登顶多个开源 TTS 排行榜,使 Fish 在语音 AI 开源生态中占据了一线位置。

Fish Audio Drama 3 的近期进展

  • Fish Audio 开源 Drama 3:35B MoE 文本转语音模型:Drama 3 于 2026 年 10 月 14 日发布,采用 35B 参数的 MoE(混合专家)架构,以开放权重形式开源,覆盖语音合成与配音等多场景。
  • Fish Audio 发布 Drama 3 Preview,登顶开源 TTS 排行榜:据 Artificial Analysis,Drama 3 Preview 发布后即登上开源 TTS 榜单首位,随后正式版 Drama 3 登顶开源 TTS 模型榜单 稳固了这一位置。
  • Fish Audio 发布 Drama 3:用自然语言指挥 AI 配音:该模型支持用自然语言直接控制配音风格与情绪,并 支持句中单词级改写,用户可对已生成语句中的单个词进行修改而无需整句重录。
  • vLLM-Omni 支持 Fish Audio Drama 3 语音模型:主流推理框架 vLLM-Omni 已接入 Drama 3,降低了开发者部署 Fish 语音模型的门槛。
  • 当前焦点与观察点

    Fish 所在的开源 TTS 赛道竞争正在升温。值得注意的是,蚂蚁集团 Ming-3.0-tts 也登顶了开源 TTS 榜单,说明榜单头部位置存在交替,Drama 3 的领先优势并非不可撼动。

    在应用层面,Fish Audio 正推动语音能力走向实际场景:其与实时通信平台 LiveKit 联合 推出了 SpookyKit 万圣节语音包,探索语音模型在娱乐与互动场景的落地。此外,AI 模组 NPCTalk 让《GTA 5》NPC 实现实时无脚本语音对话,也反映出开源语音模型在游戏 NPC 交互等场景的潜力。

    后续值得关注的方向包括:35B MoE 规模模型的推理成本与实际部署表现、单词级改写等细粒度控制能力在商用配音中的接受度,以及 Fish 与蚂蚁等厂商在开源 TTS 榜单上的后续竞争格局。

    Coverage

    10 on file