# Drama 3 int4: локальная озвучка с меньшими весами на NVIDIA

Источник: https://modelium.tech/zhurnal/drama-3-int4-local-voice-nvidia-gpu/

14 октября появился int4-вариант Drama 3: он занимает меньше места, чем исходные веса, и предназначен для локальной генерации речи на видеокартах NVIDIA. Это вариант для технически подготовленного читателя, а не готовое домашнее приложение: разработчики проверяли запуск на A100 и H200, а работу на картах с меньшей памятью не подтвердили.

14 октября 2026 года в репозитории Fish Audio появился int4-вариант Drama 3. Если нужно озвучить диалог несколькими голосами на собственной машине, этот пакет сокращает объём загружаемых весов по сравнению с исходной моделью. Но он не превращает Drama 3 в приложение для обычного ноутбука: подтверждённый авторами путь использует серверную программу и мощные NVIDIA GPU. [s1](#src-s1)

## Что именно выпустили?

Это *квантизация* — часть чисел в уже существующей модели хранится с меньшей точностью. Основу Drama 3 и её возможности многоактёрской озвучки не меняли. Разработчики сохранили некоторые части модели в более высокой точности, а отдельные экспертные слои и проекции перевели в int4. Репозиторий содержит 12 файлов весов, индекс, конфигурацию, аудиокодек и образцы звука; это не только карточка без модели. Авторы называют объём загрузки 22,1 ГБ против 41,5 ГБ у исходного пакета. Эти цифры описывают файлы, **не минимальную видеопамять**. [s1](#src-s1)

Хотя файлы размещены в пространстве Fish Audio, карточка прямо называет int4-конверсию неофициальной и благодарит AK за её создание. Ещё 13 октября аналогичный пакет появился в репозитории AK; размещение 14 октября не следует выдавать за новую базовую модель Drama 3 или гарантию качества от Fish Audio. [s1](#src-s1) [s2](#src-s2)

## Поможет ли это озвучивать текст дома?

Практическая задача — синтез реплик для сценки или озвучки текста, в том числе с образцом голоса при наличии разрешения на его использование. Авторы предлагают SGLang Omni — программу для запуска модели через серверный интерфейс — и указывают на видеокарты NVIDIA класса Ampere или новее. В качестве подтверждённых ими конфигураций названы A100 и H200; запуск на картах с 32 или 48 ГБ в карточке прямо оставлен непроверенным. Поэтому обещать домашний запуск на основании 22,1 ГБ файлов нельзя. [s1](#src-s1)

**Уровень — инженерный.** В карточке есть команды для установки и запуска SGLang Omni, но пример загрузки там пока ссылается на `akhaliq/drama-3-int4`, а не на новый адрес `fishaudio/drama-3-int4`. Это не проверенный Modelium пошаговый рецепт для новой копии. Если у вас уже работает исходная Drama 3 в SGLang Omni на NVIDIA, следующий разумный шаг — ознакомиться с карточкой и её образцами, сравнить результат на собственном тексте и не заменять рабочую модель вслепую. Редакция не запускала веса и не измеряла их скорость. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3)

## Что известно о качестве и скорости?

По заявлению авторов, сравнение с исходной FP8-версией прошло на одной H200 с 1088 английскими запросами Seed-TTS, параллельностью 8 и оценкой ошибки распознавания с помощью Qwen3-ASR-1.7B. Для int4 они приводят 1,334 секунды средней задержки против 1,235 секунды у FP8; ошибка распознавания по всему корпусу — 1,63% против 1,99%. Это **авторские**, а не независимые замеры и не гарантия той же разницы на другом языке или оборудовании. В отдельном сравнении всего восьми фраз с другой квантизацией использованы A100 и Whisper large-v3: его показатели ошибки нельзя сопоставлять с цифрами Seed-TTS, потому что отличаются тест и оценщик. [s1](#src-s1) [s4](#src-s4)

## Какие права и ограничения действуют?

Веса доступны для скачивания, но это не лицензия Apache или разрешение на любой коммерческий сервис. Действующая Fish Audio Community License разрешает некоммерческие исследования и ограниченное коммерческое использование при совокупной годовой выручке пользователя и связанных организаций ниже 500 000 долларов. Для предоставления сторонним людям самостоятельного доступа к генерации речи как услуги требуется отдельное письменное соглашение независимо от выручки; лицензия при этом отдельно исключает из понятия такого сервиса выпуск готовой озвучки для клиента, если генерацией управляет исполнитель. Клонировать голос узнаваемого человека без согласия или другого законного основания нельзя. Программный код SGLang Omni распространяется отдельно по Apache-2.0 — его лицензия не заменяет условия весов. [s5](#src-s5) [s6](#src-s6) [s7](#src-s7)

Для читателя с Mac уже описана отдельная 3-битная MLX-конверсия Drama 3: это другой пакет и другой путь запуска, не показатель совместимости нынешнего int4 с Apple Silicon. [s8](#src-s8)

## Источники

1. [Fish Audio: Drama 3 int4, карточка ревизии a6f58869](https://huggingface.co/fishaudio/drama-3-int4/blob/a6f588691a13b6607cb09f9800556487ab7aa0fe/README.md) — получено 2026-10-14
2. [AK: первоначальный Drama 3 int4, карточка ревизии 3effb99f](https://huggingface.co/akhaliq/drama-3-int4/blob/3effb99f07283b68438d62308c64a9824c4e0e3e/README.md) — получено 2026-10-14
3. [SGLang Omni: документация проекта](https://github.com/sgl-project/sglang-omni/blob/main/README.md) — получено 2026-10-14
4. [Fish Audio: машинно-читаемые результаты восьми тестовых фраз](https://huggingface.co/fishaudio/drama-3-int4/blob/a6f588691a13b6607cb09f9800556487ab7aa0fe/eval/eval_results.json) — получено 2026-10-14
5. [Fish Audio Community License v1.0, ревизия int4](https://huggingface.co/fishaudio/drama-3-int4/blob/a6f588691a13b6607cb09f9800556487ab7aa0fe/LICENSE) — получено 2026-10-14
6. [Fish Audio: актуальная лицензия исходной Drama 3](https://huggingface.co/fishaudio/drama-3/blob/e0a9218aa48888270f06ef1ed9ea67622c0e17d2/LICENSE) — получено 2026-10-14
7. [SGLang Omni: лицензия кода Apache-2.0](https://github.com/sgl-project/sglang-omni/blob/main/LICENSE) — получено 2026-10-14
8. [Modelium: отдельный выпуск Drama 3 MLX 3-bit для Mac](https://modelium.tech/zhurnal/fish-audio-drama-3-mlx-3bit-mac/) — получено 2026-10-14