Fish Audio发布了Drama 3，这是一款文本转语音模型，总参数量为35 billion。得益于混合专家（MoE）架构，它在任一时刻激活的参数约为3 billion。模型能够理解自然语言提示，并支持生成83种语言的语音。Fish Audio以社区许可协议公开模型权重，该协议对商业用途设有营收上限。
为什么重要
开发者现在可以不必为专有API付费，就能构建多语言语音应用，前提是营收不超过许可协议设定的上限。
Fish Audio推出Drama 3：35B开源权重语音合成模型
新模型支持83种语言，采用混合专家架构，同时激活的参数约为3 billion，并以限制营收的社区许可协议发布。
简讯作者： OossaOossa 发布日期: 1 分钟阅读
继续阅读
模型
Kandinsky S2V 1.0 开源音频驱动虚拟人视频模型发布
新版 Kandinsky S2V 1.0 Lite（2B）和 Pro（21B）可根据语音和单张照片生成 25 FPS 的口播视频，代码按 MIT 许可证免费开放。
模型
SpaceXSI发布Grok Voice 3.0，语音对话测试排名第一
新模型在Artificial Analysis的语音对语音指数中获得86.9分，超过OpenAI和Google，现已上线Voice Agent API。
模型
YouTube Music新增AI使用透明度标签
从Oct 14 2026起，YouTube Music将为使用生成式AI的曲目标注“Fully Gen AI”“Partly Gen AI”或“No Gen AI”。
Oossa · 新闻简报
一周 AI，讲明白
每周一，用通俗的语言讲清值得知道的新闻。免费，无垃圾邮件。