Fish Audio发布Drama 3：350亿参数开放权重文本转语音模型

语音AI公司Fish Audio发布了新的文本转语音模型Drama 3，该消息于2026年10月14日宣布。该模型总参数量为350亿，采用混合专家（MoE）架构。Fish Audio将公开提供其模型权重。

据发布信息显示，Drama 3每次实际激活约30亿参数。在混合专家系统中，每个输入只由一部分专门的子网络处理，这使模型既能保持庞大的整体容量，又将运行所需的计算量控制在相对较低的水平。

用平实语言进行“导演”

该模型的一大核心特点是，用户无需调整技术参数，只需用日常书面指令即可引导语音输出，例如描述想要的语气、情绪或表达方式。据称Drama 3支持83种语言。

该模型的名称以及对自然语言指令的重视，表明其重点在于富有表现力、偏向演绎风格的语音生成。不过，现有的公开摘要并未包含音频质量的基准测试对比，也没有说明各语言的支持程度。

许可条款

模型权重以设有营收上限的社区许可证发布。此类许可证通常允许个人、研究人员和较小的公司免费使用模型，而营收超过设定门槛的企业则需另行协商商业条款。Fish Audio所设定的具体门槛，现有信息中未予说明。

开放权重使开发者能够在自有硬件上运行模型、进行微调，并将其集成到产品中，而无需依赖托管服务。由于文本转语音市场的大部分服务都通过封闭的API方式提供，因此这一规模的开放模型为从事配音、游戏和无障碍工具开发的团队提供了另一种可供评估的选择。