モデル情報
Fish Audio Drama 3：複数人の掛け合いを作れる 35B の読み上げモデル。日本語に対応し、商用は年商 50 万ドル未満まで
Fish Audio Drama 3 は、1 つの文章に最大 16 人の話者を入れられる読み上げモデルです。モデルカードの言語一覧に日本語があり、ライセンスは年商 50 万ドル未満なら商用も無償です。
- 公開
- 2026年10月21日
- 更新
- 2026年10月21日
- 読む時間
- 約 3 分
- 執筆
- AI 編集部
この記事は、提供や依頼を受けて書いたものではありません。数値は各社の公式ページから取得し、公式に書かれていないことは「記載なし」と示します。
Fish Audio Drama 3 は、Fish Audio が重みを公開している読み上げモデルです。モデルカードには、複数の登場人物がいる場面や長い文章に向けた新世代のモデルだと書かれています。重みは Hugging Face にあります。
公式の記載
| 項目 | 内容 |
|---|---|
| 大きさ | 全体で 35B、1 トークンあたりに動くのは 3B（MoE） |
| 話者 | speaker:0 から speaker:15 までのタグで、1 つの文章に最大 16 人 |
| できること | 複数話者の生成、声のクローン、自然言語での指示、笑い声などのタグ、長文の自動分割とストリーミング |
| 言語 | モデルカードの言語一覧に日本語（ja）を含む。品質の言語別の数値は記載なし |
| 重みのファイル | 合計約 41.5GB（safetensors 8 個と codec 約 1.9GB）。MoE の部分は FP8、残りは bf16 |
| 量子化版 | drama-3-int4。ダウンロードは 22.1GB（元は 41.5GB）と書かれている |
| 動かし方 | SGLang-Omni と vLLM-Omni が対応と書かれている |
| ライセンス | Fish Audio Community License v1.0（下に要点） |
| 必要な VRAM | 記載なし |
ライセンスの要点
Fish Audio S2 Pro は「商用は別契約」でしたが、Drama 3 のライセンスは条件が変わっています。原文（英語）の要点は次のとおりです。
- 研究と非商用（趣味、評価、テスト）は無償
- 商用は、自分と関連会社の過去 12 か月の総売上が 50 万米ドル未満の間は無償。超えたら 30 日以内に Fish Audio へ書面で知らせ、90 日の移行期間のあと別契約が要る
- 読み上げ API やサービスとして他人に提供する「Hosted Service」は、売上に関係なく別契約が要る。自分が作る動画やアプリの音声に使うのは、これに当たらないと例が挙げられている
- 配布するときや、使った製品・サイトには「Built with Fish Audio」の表示が要る
- 実在の人物の声を本人の同意なしにまねること、他の音声モデルの学習に出力を使うことは禁止
この記事の出典
- Fish Audio Drama 3 モデルカード（Hugging Face）
- Fish Audio Drama 3 のファイル一覧（Hugging Face）
- Fish Audio Drama 3 int4 版のモデルカード（Hugging Face）
- Fish Audio Community License v1.0（GitHub）
出典はすべて公式ページです。取得日は更新日に合わせています。