# Fish Audio Drama 3: голоса для сцен и правка реплик локально

Источник: https://modelium.tech/zhurnal/fish-audio-drama-3-voice-editing-local/

13 октября Fish Audio выпустила предварительную версию Drama 3: модель превращает текст в речь, может озвучивать нескольких персонажей и переделывать неудачную реплику. Веса доступны для загрузки, но это пока не простое домашнее решение: авторы указывают NVIDIA GPU с 48 ГБ видеопамяти для FP8-варианта. Лицензия разрешает не всякое коммерческое использование.

13 октября 2026 года Fish Audio представила **Drama 3** — предварительную версию модели для превращения текста в речь. Если вы делаете озвучку сценки или аудиокниги, она позволяет задать нескольких говорящих в одном тексте, попросить изменить интонацию следующей попытки и исправить часть произнесённой фразы. Это возможности, заявленные разработчиком, а не результаты испытания Modelium. [s1](#src-s1) [s2](#src-s2)

## Что нового для озвучки

В сценарии можно помечать реплики разных персонажей; карточка модели описывает до 16 меток говорящих. Кроме того, можно дать образец голоса, попросить пересказать фразу иначе или заменить слово в уже созданной речи без пересоздания всей записи. Например, в демонстрации авторов среду в реплике меняют на четверг. Клонируйте голос реального человека только при его согласии или наличии иного права: лицензия прямо ограничивает подражание узнаваемым людям. [s2](#src-s2) [s3](#src-s3)

Модель построена на большой системе с несколькими специализированными частями (MoE): для одного шага задействована лишь часть параметров. Это не значит, что файлы модели или требования к видеопамяти уменьшились до объёма этой активной части. В репозитории сейчас доступны восемь файлов весов и индекс, перечисляющий все восемь; это открытый доступ к файлам, а не обещание совместимости с обычным ноутбуком. [s2](#src-s2)

## Можно ли запустить Drama 3 дома

Авторы релиза указывают для FP8-варианта **видеокарту NVIDIA с не менее чем 48 ГБ видеопамяти**. Это заявленное ими требование для данного пути, не наш собственный тест и не вывод из размера файлов. Для большинства обычных домашних компьютеров новость пока важнее как ориентир развития локальной озвучки, чем как готовый рецепт установки. [s1](#src-s1)

Документированный путь использует SGLang-Omni — программу для запуска модели на своём оборудовании. Официальная карточка и руководство проекта показывают установку, загрузку `fishaudio/drama-3` и запуск сервера, после которого к нему обращаются через программный интерфейс (API). Это инженерный путь с подготовкой окружения, а не установка в один клик; редакция не запускала его и не обещает, что он сработает на любой NVIDIA-карте. Скачивание файлов требует интернета; речь о локальном вычислении после подготовки, а не о проверенном нами полностью офлайн-сценарии. [s2](#src-s2) [s5](#src-s5)

Авторские измерения задержки и скорости выполнены на NVIDIA H200 при потоковой обработке англоязычных фраз и заранее закодированном образце голоса. Их нельзя переносить на домашний компьютер или на русский текст без самостоятельного испытания. [s2](#src-s2)

## Что разрешено по лицензии

Веса Drama 3 и актуальный код Fish Speech доступны для чтения и загрузки, но находятся под **Fish Audio Community License 1.0**, а не под свободной лицензией без ограничений. Некоммерческое исследование и личное применение разрешены по условиям соглашения. Коммерческое использование в пределах сообщества допускается при совокупной годовой выручке пользователя и связанных компаний **ниже $500 000**; для части работ на стороннюю организацию учитывается и её выручка. Превышение порога требует уведомления и отдельного соглашения после переходного периода. Предоставление другим людям сервиса, где они сами задают текст или голос для генерации аудио, обычно требует отдельной лицензии независимо от выручки; соглашение содержит конкретные исключения для готовой озвучки и бесплатных исследовательских демонстраций. Если планируете коммерческий проект, читайте первоисточник применительно к своему сценарию. [s3](#src-s3) [s4](#src-s4)

Есть важная нестыковка в оформлении: верхняя служебная разметка карточки Hugging Face всё ещё называет *fish-audio-research-license* и ведёт на отсутствующий `LICENSE.md`. Но текст самой карточки, её фактический файл `LICENSE`, действующий LICENSE кодового репозитория и описание релиза называют **Community License** для Drama 3; прежние веса S2-Pro, по заявлению авторов, остаются под Research License. Не переносите условия одного выпуска на другой. [s1](#src-s1) [s2](#src-s2) [s3](#src-s3) [s4](#src-s4)

**Что делать сейчас:** если у вас есть подходящая NVIDIA-карта и опыт работы с программным интерфейсом, начните с официального руководства SGLang-Omni и проверьте условия лицензии для своей задачи. Если нужен первый опыт локальной озвучки на домашней машине, начните с [обзора Humaneness Voice 1.1 Alpha](https://modelium.tech/zhurnal/humaneness-voice-1-1-alpha-small-large-local-tts/) и отдельно сверьте её требования и ограничения: Drama 3 не стоит подавать как простой домашний рецепт. [s5](#src-s5)

## Источники

1. [Fish Speech v3.0.0-beta — Fish Audio Drama 3 pre-release](https://github.com/fishaudio/fish-speech/releases/tag/v3.0.0-beta) — получено 2026-10-14
2. [Fish Audio Drama 3 — карточка и закреплённые файлы e0a9218](https://huggingface.co/fishaudio/drama-3/tree/e0a9218aa48888270f06ef1ed9ea67622c0e17d2) — получено 2026-10-14
3. [Fish Audio Community License 1.0 — файл модели](https://huggingface.co/fishaudio/drama-3/blob/e0a9218aa48888270f06ef1ed9ea67622c0e17d2/LICENSE) — получено 2026-10-14
4. [Fish Speech v3.0.0-beta — LICENSE кодового репозитория](https://github.com/fishaudio/fish-speech/blob/v3.0.0-beta/LICENSE) — получено 2026-10-14
5. [SGLang-Omni — руководство Drama 3, закреплённый коммит e9e016b](https://github.com/sgl-project/sglang-omni/blob/e9e016b83e1a5d92b4232f90427a44afac8d84b6/docs/cookbook/fishaudio_drama3.md) — получено 2026-10-14