Fish Audio 把 Drama 3 转正式可用：用自然语言导演每一句的语音模型，支持单句局部重录

Fish Audio 10 月 13 日把语音模型 Drama 3 从预览转正式可用：用自然语言描述某一句该怎么演，它照着演；可以给单个词加音效或停顿、中途切换语种、钉死某个发音，也能只重录选中的片段而不重新生成整段。模型支持 83 种语言，官方称它在 Artificial Analysis 的发音稳健性（Pronunciation Robustness）基准上排第一，并把它与上一代 S2.1 Pro 拉开差距。

这条发布的状态变化在可得性：Drama 3 早在 8 月就有创作者预览，9 月 23 日以 drama-3-preview 的 model header 开放过 API；10 月 13 日起以 drama-3 正式开放给所有 API 用户，走同一个 POST /v1/tts 端点、同一套标签，官方同时给出定价（每百万字符 10 美元）。

它瞄准的是音频生产的返工成本：过去改一句台词要从头生成整段，现在改一句只改一句，配合声音与停顿标签可以精细控制节奏。官方同时提示模型仍在预览期、结果因次而异，建议多生成几条挑最好的——这与「局部重录 + 多候选」的用法本来就是配套的。

原文链接：Fish Audio 官方博客