Fish Audio مدل متن‌به‌گفتار Drama 3 را منتشر کرد؛ مدلی با مجموع 35 میلیارد پارامتر که به‌لطف معماری ترکیب خبره‌ها (MoE)، در هر لحظه فقط حدود 3 میلیارد پارامتر آن فعال است. این مدل می‌تواند دستورهای زبان ساده را دنبال کند و به 83 زبان گفتار تولید کند. Fish Audio وزن‌های مدل را در دسترس عموم قرار داده و آن را با مجوزی برای جامعه منتشر کرده که برای استفاده تجاری سقف درآمد تعیین می‌کند.
چرا مهم است
توسعه‌دهندگان حالا می‌توانند بدون پرداخت هزینه برای یک API اختصاصی، اپلیکیشن‌های صوتی چندزبانه بسازند؛ به‌شرط آنکه درآمدشان از سقف تعیین‌شده در مجوز فراتر نرود.
