Fish Audio har släppt Drama 3, en text-till-tal-modell med totalt 35 miljarder parametrar, varav bara cirka 3 miljarder är aktiva åt gången tack vare en mixture-of-experts-arkitektur (MoE). Modellen kan följa instruktioner på vanligt språk och generera tal på 83 språk. Fish Audio gör modellens vikter tillgängliga för allmänheten under en communitylicens som begränsar intäkterna från kommersiell användning.
Varför det spelar roll
Utvecklare kan nu bygga flerspråkiga röstappar utan att betala för ett proprietärt API, så länge de håller sig inom licensens intäktstak.
