الوصف
دراما الصوت السمكية 3 هو أحدث نموذج تحويل النص إلى كلام من Fish Audio، مصمم خصيصاً للمشاهد متعددة الشخصيات والمحتوى الطويل. يدعم هذا النموذج توليد أصوات متعددة، واستنساخ الصوت، والتحكم باللغة الطبيعية، مما يتيح للمستخدمين إنشاء إنتاجات صوتية ديناميكية وجذابة. مع 35 مليار معلمة و3 مليار نشطة لكل رمز، يستخدم هيكل نص MoE مع انتباه هجين لتقديم تركيب صوتي عالي الجودة.
قراءة المزيد
يتميز النموذج بديكودر صوت Codebook-MTP، الذي يقوم بفك تشفير 10 كتب رموز بشكل سببي على طول التسلسل بأكمله، مما يضمن إخراج صوتي سلس ومتسق. كما يستخدم خبراء FP8 MoE مع الأوزان المتبقية في bf16، مما يحسن الأداء والكفاءة. يمكن للمستخدمين دمج ما يصل إلى 16 شخصية مختلفة في نص واحد باستخدام علامات المتحدث، مما يوفر مرونة في سرد القصص الصوتية.
تقوم دراما الصوت السمكية 3 تلقائياً بتقسيم النصوص الطويلة وتدفقها لكل جزء، مما يعزز من قابليتها للاستخدام في النصوص الطويلة. تم إطلاقها مع SGLang Omni، مما يوفر تكامل ونشر سلس. يوفر كتاب الطبخ Drama 3 تعليمات مفصلة للتثبيت والنشر واستخدام API، مما يجعلها متاحة للمطورين ومنتجي الصوت.
تظهر مقاييس الأداء على وحدات معالجة الرسوميات NVIDIA H200 كفاءتها، مع إنتاجية تصل إلى 1,687.3 إطار في الثانية عند مستويات تزامن عالية. يحافظ النموذج على وقت منخفض للوصول إلى الصوت الأول (TTFA) وعامل زمني واقعي (RTF) ملائم، مما يضمن توليد صوت سريع واستجابة. النموذج مرخص بموجب ترخيص مجتمع Fish Audio، مما يعزز الوصول المفتوح والتعاون.
- الفئةتحويل النص إلى كلام
- نموذج التسعيرمفتوح المصدر
- النشرسحابي
- المنصاتالويب
أبرز ملامح دراما الصوت السمكية 3
توليد أصوات متعددة
استنساخ الصوت
التحكم باللغة الطبيعية
35 مليار معلمة
هيكل نص MoE
ديكودر صوت Codebook-MTP
خبراء FP8 MoE
تقسيم النص التلقائي
البدء مع دراما الصوت السمكية 3
الوصول إلى النموذج: زيارة Hugging Face
المصادقة: استخدام مفتاح API
إعداد البيئة: اتباع كتاب الطبخ
التكامل عبر API: استخدام الأمثلة المقدمة
تحسين: ضبط المعلمات للأداء
حالات استخدام دراما الصوت السمكية 3
- إنتاجات صوتية
- استنساخ الصوت
- سرد طويل
- سرد تفاعلي
- البودكاست
