Drama 3
Fish Audio发布的开源语音生成大模型，采用MoE架构，总参数35B、激活参数约3B，支持导演式自然语言控制、词级inpainting、多角色对话生成和语言切换等功能。
时间轴 (近 90 天)
Drama 3 覆盖 83 种语言。
多数开源语音模型参数停留在几亿到十几亿区间，35B 级别的开放权重 TTS 模型仍然少见。
Drama 3 采用开放权重发布，附带营收上限社区许可（revenue-capped community license），商业使用存在营收门槛。
Drama 3 接受自然语言指令（plain-language direction）控制语音，而非需要专业调参的音色标签或参数面板。
Drama 3 支持多角色同场生成，每个角色分配 voice ID 并按轮次标注，可在同一请求内生成整段对话。
Drama 3 的 API 价格为每百万字符 10 美元，2025 年 11 月 12 日后涨至 50 美元。
本地运行 Drama 3 约需 39GB 显存（双 RTX 3090 配置）。
Drama 3 的交互式编辑功能目前是邀请制，尚未上线。
Drama 3 官方宣称支持 83 种语言，但被引用的基准测试只测试发音鲁棒性，不测试情感表达真实性。
Drama 3 的 API 调用中若 model header 设置错误，请求不会失败，而是静默回退到 S2.1 Pro 模型。
还有 16 条时间轴事件
全部知识事实 (20)
Drama 3 覆盖 83 种语言。
50%待验证多数开源语音模型参数停留在几亿到十几亿区间，35B 级别的开放权重 TTS 模型仍然少见。
50%待验证Drama 3 采用开放权重发布，附带营收上限社区许可（revenue-capped community license），商业使用存在营收门槛。
50%待验证Drama 3 接受自然语言指令（plain-language direction）控制语音，而非需要专业调参的音色标签或参数面板。
50%待验证Drama 3 支持多角色同场生成，每个角色分配 voice ID 并按轮次标注，可在同一请求内生成整段对话。
50%待验证Drama 3 采用 Fish Audio Community License v1.0，研究和非商业用途免费；年收入低于 50 万美元的商业用途免费；超过门槛或转售 API 需单独谈授权。
50%待验证Drama 3 的 API 价格为每百万字符 10 美元，2025 年 11 月 12 日后涨至 50 美元。
50%待验证本地运行 Drama 3 约需 39GB 显存（双 RTX 3090 配置）。
50%待验证Drama 3 的交互式编辑功能目前是邀请制，尚未上线。
50%待验证Drama 3 官方宣称支持 83 种语言，但被引用的基准测试只测试发音鲁棒性，不测试情感表达真实性。
50%待验证Drama 3 的 API 调用中若 model header 设置错误，请求不会失败，而是静默回退到 S2.1 Pro 模型。
50%待验证Drama 3 的命名容易让人误解，其实际是另一条产品线的第三代，而非 S2 系列的延续。
50%待验证Drama 3 对长音频剧、游戏配音、有声书制作有实际意义，但对简单短视频配音需求意义有限。
50%待验证Drama 3 是混合专家（MoE）模型，总参数量 35B，每个 token 只激活约 3B 参数。
50%待验证Drama 3 在 Artificial Analysis 的发音鲁棒性基准上得分 93.2%，排名第一，上一代 S2.1 Pro 为 88.1%。
50%待验证在文件路径、邮箱地址等精确序列上，Drama 3 的准确率从 79.4% 提升到 86.3%。
50%待验证Drama 3 支持导演式控制，用户可插入 [barely holding it together, forcing a smile] 等自然语言指令，且指令语言可以与台词语言不同。
50%待验证Drama 3 支持词级 inpainting，可只替换音频中的一个词，并保持前后语气和节奏无缝衔接。
50%待验证在 AI Gateway 上使用 Drama 3 的模型名称为 fish-audio/drama-3，通过 AI SDK 的 experimental_generateSpeech 函数调用，输出格式目前支持 mp3。
50%待验证Drama 3 目前处于预览阶段，稳定性和细节可能还有打磨空间，建议先用非关键项目试水。
50%