Fish Audio Drama 3：可执导的 35B 开放权重 TTS 模型
Fish Audio 发布 Drama 3，这是一款 35B MoE 文本转语音模型，能够遵循方括号中的表演指令，开放权重并提供 ComfyUI 合作节点。
[choked up, crying quietly] 会改变该句的朗读方式。ComfyUI 的 Fish Audio 合作节点在同一天通过 Comfy-Org/ComfyUI#16999 增加了 Drama 3 选项。
Drama 3 是什么
Drama 3 是一款混合专家（MoE）文本转语音模型，拥有 35B 参数的文本主干，每个 token 激活 3B 参数，采用全注意力与线性注意力混合的架构。音频由一个 codebook-MTP 解码器生成，该解码器在整个序列上以因果方式解码 10 个 codebook；专家权重以 FP8 存储，剩余权重为 bf16。发布的模型包包含八个 safetensors 分片和一个 1.9 GB 的编解码器，磁盘占用约 40 GB。
有两点让它区别于普通的语音克隆模型：
- 说话人标签。
<|speaker:0|>到<|speaker:15|>让一段文本最多承载 16 个角色，因此对白场景可以作为单条流生成，而不必拼接多次录制。当连接多个音色时，ComfyUI 节点会用@Voice1、@Voice2这类 token 标记说话人切换。 - 长文本处理。 长文本会自动分块，并可逐块流式输出，面向的是有声书、配音和广播剧，而非单句朗读。Drama 3 支持 83 种语言。
指导表演
表演指令写在方括号里，用你对演员说话的方式来写，并且可以放在台词的任何位置，让朗读在情绪转变处随之变化。指令不必与台词的语言一致：发布示例在英文文本上使用了中文、西班牙语和日语的指令。
[breathless, speaking fast] Just turn off the lights. Stay away from the windows. [voice drops to a terrified whisper] And whatever you hear out there... [slow, deadly serious] <emphasis>do not open that door.</emphasis><emphasis>...</emphasis> 是一对作用域标签：它只作用于开始标签与结束标签之间的词语，而不影响该行的其余部分。
 |  |  |
|---|---|---|
| 兴奋 | 悲伤 | 耳语 |
语气预设来自 Drama 3 产品页面。Fish Audio 演示了同一句参考台词在 S2.1 Pro 和 Drama 3 上的朗读，差异出现在每句的第二个指令处，也就是声音哽咽、变轻或转为笑声的地方。
发音稳健性
Fish Audio 称 Drama 3 在 Artificial Analysis 的发音稳健性基准测试中排名第一。该测试考察英文句子中的难词、数字、代码以及依赖上下文的读法，并由人工听审逐一核对：
| 朗读内容 | Drama 3 | Fish Audio S2.1 Pro |
|---|---|---|
| 品牌、地名和技术术语名称 | 95.9% | 87.3% |
| 读法依赖上下文的词 | 95.3% | 86.1% |
| 缩写形式：数字、日期、单位、符号 | 93.6% | 92.7% |
| 精确序列：代码、路径、电子邮件 | 86.3% | 79.4% |
| 总体 | 93.2% | 88.1% |
这些数字背后的设计变化体现在训练上：大多数语音模型以易于转写、听感接近参考音频作为奖励来调优，这会压低笑声或耳语。Drama 3 则改为针对不同的演绎版本用偏好模型来调优，因此富有表现力的朗读不会被当作转写错误而受到惩罚。
如何运行
- 开放权重。 完整模型位于 Hugging Face，Fish Audio 从发布当天起就提供了通过 SGLang-Omni 运行的文档，命令为
sgl-omni serve --model-path fishaudio/drama-3。 - ComfyUI。 自 2026 年 10 月 13 日起，ComfyUI 核心中的 Fish Audio 合作节点（“Fish Audio Text to Speech”）已将 Drama 3 作为模型选项提供，与现有的
s2.1-pro和s1并列。这些节点调用 Fish Audio API，因此需要 API 密钥，而不是本地 GPU。 - 托管服务。 该模型也已在 Fish Audio 自家的 Web、iOS 和 Android 文本转语音应用中上线。
获取方式
权重：Hugging Face 上的 fishaudio/drama-3。部署指南：Drama 3 Cookbook。产品页面：fish.audio/drama-3。
评论
使用 GitHub 登录后即可参与讨论。