Fish Audio представила нейросеть Drama 3 для озвучки текста

Команда Fish Audio выпустила нейросеть Drama 3, способную озвучивать тексты с актерской выразительностью. Новая модель позволяет полностью режиссировать процесс озвучки, гибко управляя эмоциями, паузами и подачей голоса прямо во время произнесения реплики.

Искусственный интеллект умеет плакать, смеяться, шептать и срываться на крик, а также менять настроение посреди фразы. Инструмент поддерживает озвучку диалогов нескольких персонажей за одну генерацию, точное клонирование голоса с сохранением манеры речи и замену отдельных слов в уже готовой записи без необходимости пересоздавать весь аудиофайл целиком. Модель способна работать на 83 различных языках, среди которых присутствует и русский.

По результатам внутренних тестов на точность произношения новинка превзошла популярный сервис ElevenLabs. При этом разработчики приняли решение открыть веса модели, предоставив пользователям возможность запускать её локально.

Появление такой гибкой и открытой системы делает профессиональный уровень синтеза речи доступным для локального использования.