Drama 3 是 Fish Audio 于 2026 年 10 月发布的开源权重文本转语音（TTS）模型，采用 35B 参数的 MoE（混合专家）架构，主打“用自然语言指挥 AI 配音”的对话式语音生成能力。与传统 TTS 只能朗读文本不同，Drama 3 更像一个语音导演：用户可以用描述性指令控制语气、情绪和表演方式，单段文字即可演绎多达 16 个角色，因此被定位为面向有声剧、播客和多角色配音场景的生成模型。
Drama 3 近期进展
当前焦点与观察点
社区已在探索 Drama 3 的实际应用，例如把论文转成 2 分钟语音简报等轻量场景。总体来看，讨论集中在三点：一是 35B MoE 架构在语音质量与推理成本之间的平衡；二是开源权重发布对商用配音工作流的影响；三是音频局部修复这类细粒度编辑能力是否会成为 TTS 模型的标配。目前模型处于 Preview 阶段，长期表现仍需观察后续正式版与更多第三方评测。