ComfyUI-Drama3：Fish Audio Drama 3 在 8 GB 显卡上本地运行

ComfyUI-Drama3：把 Drama 3 和 Qwen3-ASR 做成 ComfyUI 节点，无需安装额外软件包。

Drama 3 是一个 35B 的混合专家文本转语音模型，每个 token 激活 3B 参数。Fish Audio 自家的软件包是八个 safetensors 分片加一个编解码器，磁盘占用约 40 GB，而 ComfyUI 合作伙伴节点 通过 API 访问它。这个节点包走的是本地路线：它自行加载已发布的 checkpoint，在 ComfyUI 内生成音频编码，并在同一画面中把它们解码为 44.1 kHz。

8 GB 显卡上的 35B 模型

Drama 3 是 Qwen3.5 风格的混合专家模型：40 层，每层有 256 个路由专家，其中每个音频帧运行 8 个，外加注意力或 DeltaNet、一个共享专家和一个 13 层码本解码器。除路由专家之外的所有部分约 6 GB，常驻 GPU。当专家留在内存中时，32 GB 的专家权重存放在锁页（pinned）系统内存里：每一帧都会复制每层所需的八个专家，而显存剩余空间里的最近最少使用（LRU）缓存会保留那些会被再次用到的专家，85% 到 95% 的读取命中 13 GB 缓存。

该节点包提供四种 checkpoint 版本，可按机器选择：

FP8 逐字节保留 Fish Audio 自己的专家权重。int8 大小相同，在 RTX 3090 上快 14% 到 17%，因为 int8 专家以 int8 运行，而 FP8 专家每次都要转换成 bf16。更小的文件适合内存不足以满足 FP8 文件约 48 GB 需求的机器。当 experts 设为 VRAM 而非 RAM 时，第二块 GPU 可以承载专家权重。

声音、对话与提示

该节点包遵循 Drama 3 自身的提示词语法，与技术报告所记录的一致：

一段文本最多可由 16 个说话人共享，每个人各占一个声音槽位。长文本会被切成约 300 字节的块，且不会切断标签。生成有四种模式：每行生成一次、每行生成一次且能听到上一行、每个说话人生成一次，或整篇脚本一次性生成，让每一行都能听到其他行。解码会用 0.3 秒静音连接不同的生成结果，并可缩短过长的停顿。

一个声音只需从一段音频切片及其转写文本编码一次，之后便可保存为 output/drama3_voices 中几 KB 的文件，因此后续运行既不需要原始切片，也不需要编解码器。已生成的音频同样可以保存到 output/drama3_codes，无需重新生成即可再次解码或编辑。

转写与编辑生成结果

来自该节点包示例页面的六个示例：克隆、提示、双人场景、五人场景、唱歌和葡萄牙语。每个示例均生成于 RTX 3090 或 RTX 4090，使用 FP8 版本。

声音克隆需要先有转写文本，而该节点包正好提供：Load Qwen3-ASR 加上 Qwen3-ASR Transcribe 可运行 1.7B 或 0.6B 语音识别模型以及一个强制对齐器，支持 30 种语言且无需额外软件包。在 RTX 3090 上，一段 6.6 秒的音频切片用 1.7B 模型转写约需 2 秒，用 0.6B 模型约需 1 秒，且已包含模型加载时间。同一个对齐器为 Drama 3 Editor 提供支持，它会在 ComfyUI 画布上打开：字幕会逐词跟随人声，每个声音一条轨道，编辑器可以剪切、添加静音、命名声音并设置其音量。点击 Use these edits 会带着这些编辑重新运行节点，且编辑会保留在工作流中。

速度

Drama 3 每秒钟语音生成 21.5 个音频帧，因此每帧 46 ms 即为实时。逐帧解码受限于 CPU，因为单个核心会启动大量小型 GPU 内核，所以专家缓存大小对速度的影响比预期要小。使用克隆声音、约 9 秒语音，在 Intel Core i9-14900K 上测量，包含提示词处理：

最后两行的测试中，3090 剩余的内存被另一个进程占用，用以模拟 12 GB 或 8 GB 的显卡。作者还提醒，Fish Audio 的服务器会发送 top_k 30，这会让生成结果在停顿处变成静音，因此节点默认采用该 Space 自身的设置：temperature 1.0、top_p 0.9，且不设 top_k 上限。

入门

cd ComfyUI/custom_nodes
git clone https://github.com/PedroMarinhoDev/ComfyUI-Drama3

hf download PedroMarinhoDev/Drama-3-ComfyUI drama3_fp8experts_bf16.safetensors --local-dir ComfyUI/models/diffusion_models
hf download PedroMarinhoDev/Drama-3-ComfyUI drama3_codec.safetensors --local-dir ComfyUI/models/vae
hf download PedroMarinhoDev/Qwen3-ASR-ComfyUI qwen3_asr_0.6b_bf16.safetensors --local-dir ComfyUI/models/asr

获取方式

节点包： PedroMarinhoDev/ComfyUI-Drama3
权重： PedroMarinhoDev/Drama-3-ComfyUI · PedroMarinhoDev/Qwen3-ASR-ComfyUI
示例： pedromarinhodev.github.io/ComfyUI-Drama3
基础模型： fishaudio/drama-3 · Drama 3 新闻