ما الجديد؟
أطلقت Fish Audio نموذج Drama 3 لتحويل النصّ إلى كلام (TTS)، يتلقّى توجيهات تمثيلية بلغة عادية، بحسب MarkTechPost. الأوزان على Hugging Face، والنموذج متاح أيضًا عبر واجهة Fish Audio البرمجية.
كيف يعمل؟
- يكتب المستخدم توجيهات بين قوسين قبل السطر، مثل [بالكاد يتماسك]، ووسومًا مثل الهمس تغيّر الكلمات المحصورة بينها فقط.
- يمكن كتابة التوجيهات بأيّ لغة، بشكل مستقلّ عن لغة الكلام.
- يدعم 83 لغة، وحتى 16 شخصية في طلب واحد، فيُنتج مشهدًا كاملًا باستدعاء واحد.
المواصفات
- 35 مليار معامل بخلطة خبراء، نحو 3 مليارات نشطة لكل رمز، والهيكل الأساسي مبني على Qwen3.5-35B-A3B.
- يحتاج بطاقة NVIDIA واحدة بذاكرة 48 غيغابايت على الأقل بدقّة FP8، ولا يدعم المعالج أو Apple أو AMD.
- الترخيص مقيّد بسقف إيرادات، وتعدّه MarkTechPost من أبرز عيوبه مع متطلّبات العتاد.
الأداء
- يتصدّر اختبار Artificial Analysis لدقّة النطق بنسبة 93.2%، مقابل 88.1% لسلفه S2.1 Pro.
- أضعف فئاته نطق التسلسلات الدقيقة كالأكواد والمسارات والبريد الإلكتروني: 86.3%.
- في لوحة الجودة العامة، سجّل Elo بـ1242، خلف Eleven v4 Turbo عند 1328.
ليه ده مهم؟
لصنّاع الكتب الصوتية والدبلجة والمحتوى، نموذج مفتوح يمكن «إخراجه» كممثّل ويُستضاف ذاتيًا يقلّل الاعتماد على الخدمات المغلقة. لكن اختبار النطق المنشور لا يقيس جودة الأداء العاطفي، وتصف Fish Audio هذا الجانب وصفًا نوعيًا فقط، فجرّبه بنفسك على اللغة واللهجة التي تهمّك.
المصادر: MarkTechPost — 2026-10-14
