Fish Audio zveřejnil na Hugging Face model Drama 3, novou generaci text to speech systému pro delší audio scény s více postavami. Model pracuje s až 16 mluvčími v jednom textu, podporuje klonování hlasu, značky pro emoce a události v řeči a přirozené jazykové řízení výstupu. Karta modelu uvádí architekturu se 35 miliardami parametrů, z nichž jsou aktivní zhruba 3 miliardy na token, a audio dekodér s deseti codebooky. Drama 3 má od prvního dne běžet přes SGLang Omni, takže vývojáři dostávají i postup pro serverové nasazení a streamování. Důležitý je také rozsah jazyků, protože repozitář uvádí podporu desítek jazyků včetně češtiny.
