arXiv · NLP· Dawei Han, Shidong Li, Shijia Liao, Jiahua Liu, Songting Liu, Qingzheng Wang, Yuxuan Wang, Xin Chen, Yifan Cheng, Tianyu Li, Gangin Park, Xuehao Yang, Chang Zeng, Haoyang Zhang, Ruoyi Zhang, Xiangyu Zhang·· 5 天前精选AI 评分75
Fish Audio Drama 3 技术报告发布
Fish Audio Drama 3 Technical Report
AI 导读
Fish Audio 开源了基于 35B 参数 MoE 架构的语音生成模型 Fish Audio Drama 3。该模型能根据自然语言指令生成多角色长对话，支持多轮修改、语音编辑及流式输入，其专属音频解码器可将推理速度提升至 271 帧/秒，已发布至 GitHub 和 Hugging Face 并支持 SGLang-Omni 部署。
推荐理由
报告详细解析了单模型实现多轮剧本修改、声线克隆及SGLang-Omni流式推理的架构设计与完整技术路线。
来源：arXiv · NLP · arxiv.org