Fish Audio Drama 3 是 Fish Audio 在 2026 年 10 月 13 日上线的可导演语音合成模型，把一个 35B 参数的混合专家模型做成能听懂表演指令的配音引擎，权重同步放上了 Hugging Face。用法是在台词里用方括号写导演指令，模型照着指令给出情绪、语速和语气，一句话里能从克制转到崩溃。多角色对话可以在一次请求里生成，最多容纳 16 个角色，覆盖 83 种语言，中文、日文、韩文都在内。
它是一个 35B 参数的混合专家模型，每个 token 只激活约 3B，主干从 Qwen3.5-35B-A3B 出发。音频侧沿用上一代的 Descript Audio Codec，输出 44.1kHz，每秒约 21.5 帧。官方给出的人工评测数据显示，Drama 3 在 Artificial Analysis 的发音鲁棒性榜上拿到 93.2%，排在第一位，上一代 S2.1 Pro 是 88.1%。
定位把语音合成的重心从生成挪到导演。有声书、广播剧这类多角色配音的长篇内容，过去要一段段生成再拼接，情绪接不上；Drama 3 按整段脚本维持同一个表演状态，导演讲戏的过程被搬进了输入框。
指令写在方括号里，直接混在台词中间，比如在台词前放一句 barely holding it together, forcing a smile。这种写法和给演员说戏一样，模型读到括号就切换表演状态。成对出现的标签只作用于括起来的那几个词，不会影响整句。
一句台词里可以放多条指令。开头平静、中途转成急促、结尾压成耳语，只要在情绪变化的位置插入新的方括号，模型就在那里换挡，不需要重新录一版。官方放出的对比里，同一句台词在 S2.1 Pro 上是平铺直叙，在 Drama 3 上能听出压抑的哭腔、断掉的气息和一声没忍住的轻笑。
一次 API 请求最多能放 16 个角色，每个说话人绑一个 voice id，整场戏在一个调用里渲染完，每个角色保留自己的音色并回应上一句。长篇一致性也按整段脚本维持，中途切换语言不换人，发音可以精确到音素级别，英文、中文、日文、韩文都支持。
给数字人视频配音时，Drama 3 只负责音轨那一层，画面仍由另外的工具驱动，两个环节分开做反而更好调。有声书和多语言配音这类长项目最受用，改一个词不用重录整章。
官方安装文档写明的下限是单张 48GB 显存以上的 NVIDIA 显卡，用 FP8 精度运行，CPU、苹果 MPS 和 AMD ROCm 都不支持。MoE 专家层以 FP8 存放，其余权重是 bf16，服务侧走 SGLang-Omni，融合算子目前只在 Hopper 架构上验证过。官方公布的单路流式数据是首包延迟 88.9 毫秒，实时系数 0.131，16 路并发时吞吐约 927.6 帧每秒。
不想折腾本地部署，直接调官方 API 也行。到 2026 年 11 月 12 日为止，API 价格是每百万字符 10 美元，相当于原价 50 美元的两折，新建创作者订阅同期五折。编辑能力里，交互式编辑和音频修补还在限量邀请测试，后者可以只替换某一个词，不重录整段。
看使用方式。通过官网、App 或 API 调用按字符用量付费，到 2026 年 11 月 12 日之前 API 打两折。自己部署是另一条路，权重在 Hugging Face 可以下载，年营收低于 50 万美元的个人或公司能直接商用。
支持。模型覆盖 83 种语言，中文、英文、日文、韩文都在列表里。导演指令用什么语言写都可以，和台词本身的语言不必一致。同一段表演里从中文切到英文时音色和情绪不会断掉，多语言配音和有声书这类场景可以直接用。
官方文档给的下限是单张显存 48GB 以上的 NVIDIA 显卡，并且要用 FP8 精度运行，CPU、苹果 MPS 和 AMD ROCm 都不在支持范围内。所有性能数据都是在一张 H200 上测出来的，显存不够只能走官方 API。
差在可控性。同一音色、同一句台词，Drama 3 能按方括号指令演出情绪起伏，S2.1 Pro 更接近平铺直叙。发音准确率上 Drama 3 拿到 93.2%，S2.1 Pro 是 88.1%，质量榜的 Elo 也是 Drama 3 领先。 内容基于公开信息整理，产品功能与价格以官方页面为准。
我找updream官网入口时，先确认了官方页面地址：https://www.updream.cn/。它是AI视频创作工作台，网页端可打开使用；我会先...
2026-10-11
目录 目录 MAI-Transcribe和Whisper区别？语音转写工具对比选择 两个工具的核心定位差异 部署方式：云端VS本地化 转写效...
2026-10-09PixTV是TapNow吗，答案是不是，两个是完全独立的产品，分属不同国家的不同公司，只是产品形态撞车了。PixTV 的运营主体是美国...
2026-10-15
通义千问3.5是阿里千问系列的模型版本，定位覆盖文本、视觉理解、推理和智能体任务。日常写作、问答、代码辅助和资料整理都能...
2026-10-13
签约审核没过，先别急着把稿子全盘推翻。我踩过的坑是：看到”审核失败”就反复改正文，结果真正的问题可能是开头...
2026-10-10