描述
鱼音频剧3是鱼音频最新的文本转语音模型,专门为多角色场景和长篇内容而设计。该模型支持多说话者生成、声音克隆和自然语言控制,使用户能够创建动态且引人入胜的音频制作。它拥有350亿个参数和每个令牌30亿个活跃参数,利用MoE文本骨干和混合注意力来提供高质量的语音合成。
阅读更多
该模型具有Codebook-MTP音频解码器,能够在整个序列中因果解码10个代码本,确保音频输出平滑且连贯。它还采用FP8 MoE专家,剩余权重为bf16,优化性能和效率。用户可以在单个文本中使用说话者标签整合多达16个不同角色,为音频叙事提供灵活性。
鱼音频剧3自动将长文本分块并逐块流式传输,提高了其在长脚本中的可用性。它与SGLang Omni一起推出,提供无缝的集成和部署。Drama 3 Cookbook提供了详细的安装、部署和API使用说明,使开发人员和音频制作人能够轻松访问。
在NVIDIA H200 GPU上的性能指标显示其效率,最高吞吐量可达每秒1,687.3帧,且在高并发水平下表现良好。该模型保持低首次音频时间(TTFA)和良好的实时因子(RTF),确保快速和响应式的音频生成。该模型根据鱼音频社区许可证授权,促进开放访问和协作。
- 类别文字转语音
- 定价模式开源
- 部署云端
- 平台网页版
鱼音频剧3亮点
多说话者生成
声音克隆
自然语言控制
350亿参数
MoE文本骨干
Codebook-MTP音频解码器
FP8 MoE专家
自动文本分块
鱼音频剧3入门
访问模型:访问Hugging Face
身份验证:使用API密钥
设置环境:遵循Cookbook
通过API集成:使用提供的示例
优化:调整参数以提高性能
鱼音频剧3的使用案例
- 音频制作
- 声音克隆
- 长篇叙事
- 互动叙事
- 播客制作







