Fish выпустила TTS-модель Drama 3 35B3A

На форуме Reddit в сообществе LocalLLaMA появился пост под заголовком «New TTS king in town: Fish's Drama 3 35B3A!», посвящённый новой модели синтеза речи от компании Fish. Автор публикации сообщает, что модель была выпущена накануне и он потратил остаток дня на создание демонстрационного примера. Других деталей в доступном тексте нет.

Название модели — Drama 3 35B3A — указывает на архитектуру с 35 млрд параметров и, судя по маркировке, разреженной активацией (3A). Это относит её к классу крупных генеративных моделей, которые обычно требуют значительных вычислительных ресурсов. Для TTS-систем такой масштаб пока редкость: большинство открытых решений для синтеза речи заметно компактнее.

Формулировка «новый король TTS» в заголовке — оценочная, она отражает энтузиазм автора поста, а не результаты независимых тестов. В сообществе LocalLLaMA подобные заявления появляются регулярно и часто сопровождаются субъективными сравнениями с уже известными моделями. Без опубликованных метрик качества и задержки судить о реальном превосходстве Drama 3 нельзя.

Контекст важен: сегмент text-to-speech в последние годы развивается быстро, и открытые модели постепенно сокращают разрыв с коммерческими API. Появление крупной открытой TTS-модели может усилить конкуренцию и повлиять на выбор разработчиков, которым нужен локальный синтез речи без обращения к внешним сервисам.

Однако ключевые вопросы остаются без ответа: под какой лицензией распространяется модель, доступны ли веса, какие языки поддерживаются и какова скорость генерации на потребительском железе. До появления этих данных делать выводы о смене лидера в области TTS преждевременно.