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

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 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

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

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 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

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 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 s2 s3 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 и отдельно сверьте её требования и ограничения: Drama 3 не стоит подавать как простой домашний рецепт. s5