Fish Audio开源Drama 3 35B语音模型

【时间】 2026年10月13日21:15（北京时间），AI语音公司Fish Audio正式开源其新一代文本转语音（TTS）模型Drama 3，相关技术报告同步在ArcXiv发表。 【地点】 美国加州帕罗奥图（Palo Alto）Fish Audio总部；模型权重当天上线Hugging Face社区与GitHub代码仓库，面向全球开发者开放下载。 【人物】 - Fish Audio联合创始人兼CEO Rissa Cao（前亚马逊Alexa与Meta产品负责人） - 联合创始人兼首席科学家Shijia Liao（前NVIDIA研究工程师） - Drama 3文本骨干基于阿里巴巴开源的Qwen3.5-35B-A3B语言模型 【事件详情】 Fish Audio Drama 3是该公司在35B MoE架构上推出的首个完全开源权重旗舰TTS模型，主打"导演级"语音生成： 1. 35B MoE架构：350亿参数混合专家模型，每token仅激活约30亿参数，结合全注意力与线性注意力混合机制；FP8专家权重加bf16其余权重，单卡H200即可部署，首音频延迟89毫秒。 2. 自然语言导演指令：用方括号写"[强装笑颜]"或"[压住怒火]"等普通语言描述，模型可在句中切换情感。 4. 词级音频修复（Audio Inpainting）：仅替换一两个错读的字词，前后音色、节奏、情绪自动衔接，无需重新生成整段。 5. 16角色同台：单次生成最多支持16个角色标签对话，模型在一个流中渲染整场。 6. 83种语言支持：覆盖英、中、日、韩等主流语种；导演语言可与台词语言不同。 性能方面：Artificial Analysis英文Pronunciation Robustness基准测试，Drama 3以93.2%排名第一，超过闭源的Eleven v4（91.7%）与Eleven v4 Turbo（90.1%），较公司上代S2.1 Pro（88.1%）提升5.1个百分点；Provider Voice Elo 1243分，较S2.1 Pro提升101分。 部署方面：基于SGLang-Omni day-0上线，256并发流下吞吐提升72%、延迟再降37%；ComfyUI同日添加Partner Node；接入Fish Audio自家API（10月13日至11月12日8折，企业前三个月免费）；Hugging Face下载量发布当天即登趋势榜首。 【背景】 Fish Audio由Rissa Cao与Shijia Liao于2025年7月在Palo Alto创立，灵感源于Liao在NVIDIA工作期间对"扁平化合成语音"的挫败感。公司2026年7月完成5200万美元种子轮（Capital Today与Coreline Ventures领投），年化经常性收入2100万美元，用户数从年初的800万增至1500万+。从4B参数的S2-Pro到S2.1 Pro再到35B-A3B的Drama 3，公司在一年时间内完成了从单密度小模型到稀疏大模型的跃迁，并首次将旗舰模型以开源权重形式对外发布。 【影响】 1. 改写竞争格局：ElevenLabs作为闭源头部首次在权威第三方基准上被开源模型超越，且Drama 3 API定价为每百万UTF-8字符10-15美元，仅为Eleven v4 80美元的1/5到1/8。 2. 推动创作流程革新：单词级修改与多角色同台将TTS从"一次成型"工具升级为可"分镜、剪辑、配音"的可编辑内容资产，利好有声书、游戏、动画、播客、短视频等长内容场景。 3. 引发授权讨论：年营收50万美元以下免费商用门槛与"服务化需单独授权"条款，对中小团队是利好，对大型云厂商提出新的合规挑战。 【总结】 Fish Audio用一款35B MoE架构的开源TTS模型Drama 3，把语音生成从"读词"推进到"导演级表演"：Artificial Analysis发音基准93.2%登顶超越Eleven v4，词级修复、83语言、16角色、SGLang-Omni day-0部署——开源语音模型由此进入"可导演时代"。 【参考来源】 1. https://www.prnewswire.com/news-releases/fish-audio-launches-drama-3-direct-ai-voices-in-plain-language-control-every-word-and-shift-emotion-mid-sentence-302906620.html 2. https://huggingface.co/fishaudio/drama-3 3. https://arcxiv.org/abs/2610.18010 4. https://github.com/fishaudio/fish-speech 5. https://huggingnews.com/ai/fish-audio-drama-3-leads-all-tts-models-in-pronunciation-robustness-dc723bca 6. https://comfyui-wiki.com/en/news/2026-10-13-fish-audio-drama-3 7. https://explainx.ai/blog/fish-audio-drama-3-open-weights-35b-a3b-word-level-editing-how-to-run-2026 8. https://kie.ai/blog/fish-audio-drama-3-deep-dive-35b-moe-tts 9. https://superpowerdaily.com/posts/fish-audio-releases-drama-3-with-script-directed-voices-and-downloadable-weights 10. https://runtimewire.com/article/fish-audio-drama-3-wider-launch