Fish Audio 发布 Drama 3 语音模型并开放权重，能听「导演指令」演多角色对话
10 月 13 日（美国时间），Fish Audio 发布新一代语音合成模型 Drama 3，主打用自然语言「指导表演」、多角色场景配音和局部改词。模型已上线 fish.audio 网页、App 和 API，同时在 Hugging Face 开放权重，年收入 50 万美元以下的个人和团队可免费商用。
据 Fish Audio 官方博客 10 月 13 日的公告，这家语音 AI 公司发布了 Drama 3，官方称它是自家「情绪表现力最强的语音合成模型」，面向有声书、广播剧、游戏和动画对白、短视频配音等场景。
- 能做什么：按技术报告的说法，Drama 3 可以用几段参考音频克隆声音，按自然语言描述来调整语气和情绪；一轮生成不满意，可以像给配音演员「讲戏」一样再给一句意见让它重来；还能一次生成多角色对话场景，并支持在已有音频里只改某个词或某一句（填补式编辑），以及长文本和流式合成；
- 模型规模：底座是 350 亿参数的混合专家（MoE）结构，每个 token 只激活约 30 亿参数。技术报告称，单张 H200 上的生成速度比上一代 S2 还快；
- 在哪用：即日起可在 fish.audio 网页、Fish Audio iOS / 安卓 App 和 API 里使用，官方称 11 月 12 日前 API 打两折、新开的创作者套餐打五折；
- 开放权重与授权：权重放在 Hugging Face（fishaudio/drama-3），代码在 GitHub 的 fish-speech 仓库。它用的是新的 Fish Audio 社区许可证：研究和非商业使用免费，本人及关联方年收入低于 50 万美元可免费商用；超过这个规模，或者想拿它对外提供配音、声音克隆服务，需要另找官方授权。许可证还明确禁止未经本人同意克隆真人声音；
- 本地部署门槛：按官方安装文档，本地跑 Drama 3 至少需要 48GB 显存（FP8）的 NVIDIA 显卡，不支持 CPU 和苹果芯片，普通创作者更现实的用法还是网页版或 API。
详情见 Fish Audio 官方博客 与 GitHub 仓库 fish-speech。
对创作者意味着什么： 做有声书、广播剧、动画短剧和解说视频的人，配音环节又多了一个能「讲戏」的选项：不用反复改提示词碰运气，可以直接告诉它「这句说得再压抑一点」，也能只重录一个读错的词，省掉整段重来的时间。多角色场景一次出，对做对话类短剧尤其友好。不过要记住两条：一是别拿它克隆明星或身边人的声音，许可证和平台规则都不允许；二是商用前看清授权条款，个人和小团队免费，规模做大了要提前算好授权成本。
信息来源：Fish Audio 官方博客 / GitHub（本文为编辑整理改写）
