Fish Audio ने Drama 3 जारी किया है। यह टेक्स्ट-टू-स्पीच मॉडल कुल 35 billion पैरामीटर वाला है, लेकिन Mixture-of-Experts (MoE) आर्किटेक्चर की बदौलत एक समय पर सिर्फ करीब 3 billion पैरामीटर सक्रिय रहते हैं। मॉडल सामान्य भाषा में दिए गए निर्देशों का पालन कर सकता है और 83 भाषाओं में बोलकर ऑडियो तैयार कर सकता है। Fish Audio ने मॉडल के वेट सार्वजनिक रूप से उपलब्ध कराए हैं। व्यावसायिक इस्तेमाल से होने वाली कमाई पर सीमा लगाने वाले कम्युनिटी लाइसेंस के तहत इसका उपयोग किया जा सकता है।
यह क्यों मायने रखता है
डेवलपर अब किसी मालिकाना API के लिए भुगतान किए बिना बहुभाषी वॉइस ऐप बना सकते हैं, बशर्ते वे लाइसेंस में तय कमाई की सीमा के भीतर रहें।
