メインコンテンツへスキップ
ToolPotion
AI アドバイザー
送信(無料)

フィッシュオーディオドラマ3

AI モデルテキスト読み上げオープンソース · Web

フィッシュオーディオドラマ3は、複数のキャラクターシーンと長文コンテンツ向けに設計されたテキスト読み上げモデルです。マルチスピーカー生成、音声クローン、自然言語制御をサポートしており、複雑なオーディオ制作に最適です。

モデルを見る
共有
モデルを見る
共有

フィッシュオーディオドラマ3は、フィッシュオーディオの最新のテキスト読み上げモデルで、特に複数のキャラクターシーンと長文コンテンツ向けに設計されています。このモデルは、マルチスピーカー生成、音声クローン、自然言語制御をサポートしており、ユーザーがダイナミックで魅力的なオーディオ制作を行うことを可能にします。350億のパラメータとトークンあたり30億のアクティブを持ち、ハイブリッドアテンションを使用したMoEテキストバックボーンを活用して、高品質な音声合成を提供します。

続きを読む

このモデルは、全シーケンスにわたって10のコードブックを因果的にデコードするCodebook-MTPオーディオデコーダーを特徴としており、スムーズで一貫したオーディオ出力を保証します。また、残りの重みをbf16で持つFP8 MoEエキスパートを採用しており、パフォーマンスと効率を最適化しています。ユーザーはスピーカータグを使用して、1つのテキスト内に最大16の異なるキャラクターを組み込むことができ、オーディオストーリーテリングに柔軟性を提供します。

フィッシュオーディオドラマ3は、長いテキストを自動的にチャンク化し、チャンクごとにストリーミングすることで、長いスクリプトの使用性を向上させます。SGLang Omniと共に起動され、シームレスな統合と展開を提供します。ドラマ3クックブックには、インストール、展開、API使用の詳細な手順が記載されており、開発者やオーディオプロデューサーにとってアクセスしやすくなっています。

NVIDIA H200 GPUでのパフォーマンスメトリクスは、その効率を示しており、高い同時実行レベルで最大1,687.3フレーム/秒のスループットを達成します。このモデルは、初回オーディオまでの時間(TTFA)が短く、好ましいリアルタイムファクター(RTF)を維持しており、迅速で応答性の高いオーディオ生成を保証します。このモデルはフィッシュオーディオコミュニティライセンスの下でライセンスされており、オープンアクセスとコラボレーションを促進しています。

  • カテゴリーテキスト読み上げ
  • 料金モデルオープンソース
  • デプロイクラウド
  • プラットフォームWeb

  • マルチスピーカー生成

  • 音声クローン

  • 自然言語制御

  • 350億パラメータ

  • MoEテキストバックボーン

  • Codebook-MTPオーディオデコーダー

  • FP8 MoEエキスパート

  • 自動テキストチャンク化

  1. モデルにアクセス: Hugging Faceを訪問

  2. 認証: APIキーを使用

  3. 環境を設定: クックブックに従う

  4. API経由で統合: 提供された例を使用

  5. 最適化: パフォーマンスのためにパラメータを調整

  • オーディオ制作
  • 音声クローン
  • 長文ナラティブ
  • インタラクティブストーリーテリング
  • ポッドキャスティング

Fish Audio の製品

フィッシュオーディオ のモデルです。

フィッシュオーディオドラマ3 のレビュー

読み込み中...

フィッシュオーディオドラマ3 に似た人気のAIツール

Higgs TTS 3

AI モデル

Higgs TTS 3は、Boson AIによって開発された多言語テキスト読み上げモデルで、表現豊かな会話音声を生成するために設計されています。100以上の言語をサポートし、ゼロショット音声クローンや感情制御などの機能を提供し、デジタルクリエイターや研究者に最適です。

テキスト読み上げ
ツールを見る

AI モデル

Boson AIによって開発された多言語テキスト読み上げモデルで、表現豊かな会話音声を生成するために設計されています。100以上の言語をサポートし、ゼロショット音声クローンや感情制御などの機能を提供し、デジタルクリエイターや研究者に最適です。Higgs TTS 3は、Boson AIによって開発された多言語テキスト読み上げモデルで、表現豊かな会話音声を生成するために設計されています。100以上の言語をサポートし、ゼロショット音声クローンや感情制御などの機能を提供し、デジタルクリエイターや研究者に最適です。

テキスト読み上げ
AI モデル トップ5を見る

44言語で表現力豊かな声を生成するCartesiaのリアルタイムテキスト読み上げAPIです。AIエージェントやインタラクティブアプリケーション向けに設計されており、低遅延と高品質な音声合成を提供します。ソニックは、44言語で表現力豊かな声を生成するCartesiaのリアルタイムテキスト読み上げAPIです。AIエージェントやインタラクティブアプリケーション向けに設計されており、低遅延と高品質な音声合成を提供します。

注目テキスト読み上げ
AI モデル トップ5を見る

フィッシュオーディオは、先進的なAI技術を使用してテキストプロンプトからリアルな効果音を生成することを可能にします。ゲーム、動画、ポッドキャストに最適で、有料プランでは商業利用権を持つ幅広い効果音を提供します。

テキスト読み上げ

AI アプリで第142位

ツールを見る

先進的なAI技術を使用してテキストプロンプトからリアルな効果音を生成することを可能にします。ゲーム、動画、ポッドキャストに最適で、有料プランでは商業利用権を持つ幅広い効果音を提供します。フィッシュオーディオは、先進的なAI技術を使用してテキストプロンプトからリアルな効果音を生成することを可能にします。ゲーム、動画、ポッドキャストに最適で、有料プランでは商業利用権を持つ幅広い効果音を提供します。

注目テキスト読み上げ
AI アプリで第142位

Gemini 3.8 Flash TTS と Flash-Lite TTS は、Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。

テキスト読み上げ
ツールを見る

Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。Gemini 3.8 Flash TTS と Flash-Lite TTS は、Google DeepMind によって開発された高度なテキスト読み上げモデルです。表現力豊かな音声生成とリアルタイム音声翻訳を提供し、生成的音声デザインや日常的なオーディオタスクに適しています。

テキスト読み上げ
AI モデル トップ5を見る

Voicemakerは、130言語で2,000以上の超リアルな音声を提供するAI搭載テキスト読み上げコンバーターです。ビデオ、プレゼンテーションなど、様々なコンテンツ作成ニーズに最適なTTSオーディオファイルをMP3およびWAV形式で簡単に生成・ダウンロードできます。

テキスト読み上げ

テキスト読み上げで第10位

ツールを見る

130言語で2,000以上の超リアルな音声を提供するAI搭載テキスト読み上げコンバーターです。ビデオ、プレゼンテーションなど、様々なコンテンツ作成ニーズに最適なTTSオーディオファイルをMP3およびWAV形式で簡単に生成・ダウンロードできます。Voicemakerは、130言語で2,000以上の超リアルな音声を提供するAI搭載テキスト読み上げコンバーターです。ビデオ、プレゼンテーションなど、様々なコンテンツ作成ニーズに最適なTTSオーディオファイルをMP3およびWAV形式で簡単に生成・ダウンロードできます。

注目テキスト読み上げ
テキスト読み上げで第10位

Gandr

AI アプリ

Gandrは、無制限の同時ストリームをフラットレートで提供するテキスト読み上げおよび音声クローン作成プラットフォームです。23言語のリアルタイムオーディオをサポートしており、オーディオブック、吹き替え、eラーニングなどに最適です。

テキスト読み上げ教育・eラーニング

テキスト読み上げで第83位

ツールを見る

AI アプリ

無制限の同時ストリームをフラットレートで提供するテキスト読み上げおよび音声クローン作成プラットフォームです。23言語のリアルタイムオーディオをサポートしており、オーディオブック、吹き替え、eラーニングなどに最適です。Gandrは、無制限の同時ストリームをフラットレートで提供するテキスト読み上げおよび音声クローン作成プラットフォームです。23言語のリアルタイムオーディオをサポートしており、オーディオブック、吹き替え、eラーニングなどに最適です。

テキスト読み上げ教育・eラーニング
テキスト読み上げで第83位

Tonvio

AI アプリ

Tonavioは、14,000以上のリアルな声を持つAIテキスト読み上げサービスを提供しています。ユーザーは、テキストを自然な音声に変換でき、キャラクターの声や声のクローンも可能で、最初の声の読み上げは無料トライアルが利用できます。

テキスト読み上げ

テキストをポッドキャストに変換で第42位

ツールを見る

AI アプリ

Tonavioは、14,000以上のリアルな声を持つAIテキスト読み上げサービスを提供しています。ユーザーは、テキストを自然な音声に変換でき、キャラクターの声や声のクローンも可能で、最初の声の読み上げは無料トライアルが利用できます。

テキスト読み上げ
テキストをポッドキャストに変換で第42位

SpeechifyのAIボイスジェネレーターは、テキストから数秒でリアルな音声を生成します。60以上の言語で1,000以上のAIボイスを提供し、ピッチ、トーン、ペースをカスタマイズ可能です。基本利用はサインアップ不要で、動画、ポッドキャスト、スクリプトのボイスオーバー生成が簡単に行えます。

テキスト読み上げ
ツールを見る

SpeechifyのAIボイスジェネレーターは、テキストから数秒でリアルな音声を生成します。60以上の言語で1,000以上のAIボイスを提供し、ピッチ、トーン、ペースをカスタマイズ可能です。基本利用はサインアップ不要で、動画、ポッドキャスト、スクリプトのボイスオーバー生成が簡単に行えます。

注目テキスト読み上げ
AI アプリ トップ250を見る
1 / 8