Fish AudioがDrama 3を公開：1つの文章で最大16役を演じ分け
Fish Audioはオープンソースの次世代音声モデル「Drama 3」を公開した。35BのMoEテキスト骨幹を備え、1つの文章内で最大16人のキャラクターの音声を使い分けることが可能。溜め息などの感情表現や、間違えた箇所だけを文脈に合わせて差し替える編集機能も備える。
Fish Audio
Fish Audio、5200万ドル調達と音声複製モデル「S2.1 Pro」公開を発表
音声AI企業のFish Audioは、5200万ドルのシード資金調達と音声クローンモデル「S2.1 Pro」の一般公開を発表した。わずか5秒の音声から高精度に声を複製でき、処理速度はCartesiaの2倍、コストはElevenLabsの6分の1に抑えた。感情やテンポの単語単位制御にも対応する。
Fish Audio、旗艦TTSモデル「S2.1 Pro」を開発者向けに無料開放：83言語対応で使用制限なし
Fish Audioは、同社の主力テキスト音声合成モデル「S2.1 Pro」を開発者向けに完全無料で提供開始した。83言語に対応し、利用量の上限も設けられていないため、コストを気にせず多言語音声合成をアプリへ組み込める。
Fish Audioが音声合成モデル「S2」公開、テキスト内タグで単語単位の感情制御に対応
Fish Audio はオープンソースの次世代音声合成モデル「Fish Audio S2」を公開した。約 80 言語に対応し、スクリプト内に自然言語タグを挟むだけで単語レベルの感情や息遣いを制御できる。初回パケット遅延は 100ms で、ウェイトと微調整コードが GitHub と Hugging Face で公開されている。
Fish Audioが音声合成モデル「S1」公開：ElevenLabs比で6倍安価
Fish Audioは音声合成モデル「Fish Audio S1」を一般公開した。ElevenLabsより6倍安価な価格設定を掲げ、すでに2万人のアクティブ開発者と500万ドルのARRを獲得している。無料での音声クローンにも対応する。