Fish Audio 发布开放权重情感 TTS 模型 Drama 3

Fish Audio于2026年10月13日发布Drama 3文本转语音模型，主打自然语言情绪控制、逐词编辑和多角色长内容生成，关注价值在于语音合成从整体风格控制进一步细化到局部表演控制。

• 官方介绍称，用户可以在一句话中指定低语、语速或力度等方向，也可只替换一个词而保留周围音色和语气衔接。
• Hugging Face模型卡显示，Drama 3支持多说话人生成、声音克隆、自然语言控制和长文本分段处理。
• Fish Audio明确称该模型是开放权重而非开源，采用Fish Audio Community License；研究和非商业使用较宽松，商业服务或较大规模商业主体可能需要额外授权。
• 官方博客披露的93.2%发音鲁棒性成绩来自Artificial Analysis基准，属于特定测试维度，不能代表所有语言、音色和情绪表现。
• 影响/看点：如果局部编辑和情绪控制在实际长内容制作中保持稳定，配音、游戏对白和有声内容的返工成本可能下降；能否形成广泛采用仍取决于授权条件、声音权利合规、跨语言质量和推理成本。资料依据:
• Fish Audio《Fish Audio Drama 3: The Most Emotive Text-to-Speech Model We’ve Built》（2026-10-13）：https://beta.fish.audio/blog/fish-audio-drama-3/
• Hugging Face《fishaudio/drama-3》模型卡（2026-10-13）：https://huggingface.co/fishaudio/drama-3

本内容由 AI 生成，仅供参考，请注意甄别