Fish Audio 发布 Drama 3，主打最有情绪的语音合成
10 月 18 日，Fish Audio 发布文本转语音（TTS）模型 Drama 3。据 AI Daily 10 月 18 日汇总，公司称 Drama 3 是其“最有情绪”的语音模型，表现力超过此前的 S2.1 Pro，并在 Artificial Analysis 的英文发音鲁棒性（English Pronunciation Robustness）榜单上排第一。其 API 介绍价定为每百万字符 10 美元，优惠期至 2026 年 11 月 12 日，相较于 50 美元的标价有明显折扣。
它想解决的是“念稿感”
早期 TTS 能把字念对，但腔调平、没有情绪，一听就是机器。Drama 3 的卖点正是“更有表现力”——在播报、配音、有声内容里，语气起伏、重音、停顿更接近真人。对需要批量产出语音的内容团队，这一点直接决定成品能不能用。
英文发音鲁棒性排第一，指的是模型面对复杂拼写、专有名词、缩写时，发音更稳定更少翻车。这对非母语文本、技术名词密集的内容尤其重要。
价格和商用要分开看
介绍价每百万字符 10 美元、到 11 月 12 日为止，标价 50 美元。这个价差很大，说明当前是拉新窗口期，之后的长期价格要看官方是否维持。
更关键的是许可证：Fish Audio 明确提示，如果你打算自托管用于商业用途，要仔细核对许可条款，商用资格取决于你的合并年总收入（含关联方）以及你向他人提供模型的方式。换句话说，“能下载”和“能商用”之间隔着一张许可证。
适合谁用
- 内容创作：有声书、短视频配音、课程语音，需要情绪但不想每次雇配音员。
- 产品语音：需要稳定、自然、可批量生成的语音输出。
- 英文场景：发音鲁棒性强的模型，适合专有名词多的材料。
要验证什么
第一，情绪是“恰当”还是“过度”——有些场景需要克制，过浓的表演反而不適合。第二，中文与多语种表现：榜单以英文为主，中文效果要自己测。第三，长期价格：优惠期后的价格才是真实成本基线。
一句话：TTS 的竞争正从“念得对”走向“念得像人”。Drama 3 在情绪与英文鲁棒性上暂时领先，但商用前先把许可证和真实价格读清楚。实际试用时，建议先拿一小段材料试听情绪是否到位，再决定是否批量接入。
