先看证据

总参数35B，每token激活约3B（8/256专家+1共享）关键事实
发音稳健性93.2%，S2.1 Pro为88.1%关键事实
95.9%，前代87.3%品牌、地点、术语
95.3%，前代86.1%语境读音
93.6%，前代92.7%数字、日期、单位
86.3%，前代79.4%代码、路径、邮箱

台词之外，表演也变成输入

Fish Audio 于 2026 年 10 月发布 Drama 3，这是一款面向脚本配音、长篇有声内容和配音制作的文本转语音模型。它允许创作者在台词前写入方括号指令，例如“几乎要撑不住了”，让模型不仅生成说出的文字，也根据提示生成相应的表演方式。指令可以使用不同于台词的语言，文档还支持只对一段文字生效的成对标签。

这项变化值得技术负责人留意，因为它把语气控制从反复试听、调整参数，部分转成了可以直接放进素材中的文本约定。对于多角色场景，脚本最多可以标记 16 个角色，API 为每个角色接收一个 voice ID，并可在一次请求中生成整场内容。它因此更像一个有表演控制入口的语音生成系统，而不只是把文字转换成声音的单句接口。

大模型体量，不等于每步都用满

Drama 3 的总参数量为 350 亿，但每个 token 激活约 30 亿参数。材料给出的路由方式是从 256 个专家中启用 8 个，再加一个共享专家。这种 MoE 设计使“模型有多大”和“每一步实际调用多少参数”成为两个不同的数字，不能只看 35B 就推断单次生成的计算负担。

骨干网络基于 Qwen3.5-35B-A3B，共 40 层，按每三层 Gated DeltaNet、接一层完整注意力的方式混合。只有四分之一的层保留 KV cache，其余 DeltaNet 层以定长状态保存历史。音频侧则换用 Codebook-MTP 解码器：4 个共享层连接到 9 个层，分别对应声学码本，只有码本 0 和 1 的信息反馈给骨干网络。材料称这是相对 S2 的调整，S2 会把 10 个码本全部反馈；但没有给出足以单独判断这项改动对延迟或音质影响的消融数据。

发音成绩好，不等于所有口播都稳

Fish Audio 报告称，Drama 3 在 Artificial Analysis 的英语 Pronunciation Robustness 测试中总分为 93.2%，排名第一，高于前代 S2.1 Pro 的 88.1%。品牌、地名和技术术语一项达到 95.9%，上下文相关读法为 95.3%，数字、日期和单位等简写为 93.6%。这些结果说明它对容易读错的词类有针对性的表现证据，而不是只靠主观听感描述“更自然”。

同一组数据也标出了边界：代码、路径和邮箱等精确序列是最弱项，得分为 86.3%，虽然仍高于 S2.1 Pro 的 79.4%。而这项基准测试评估的是发音，不是情绪表达或角色表演效果。材料还指出，Drama 3 是 Fish Audio 目前在该公司所述 Artificial Analysis 指标中得分最高的模型，但质量 Elo 仍落后于数个闭源 API。因此，选择它时应把“可控制表演”和“关键字符串读准”拆成两项验收，而不要把前者的卖点当成后者的保证。

开源权重并没有抹平部署成本

Drama 3 权重已发布在 Hugging Face，也可通过 Fish Audio API 使用。自托管的门槛并不轻：材料要求至少一张 48 GB 显存的 NVIDIA GPU，专家权重使用 FP8、其余部分使用 bf16；不支持 CPU、Apple MPS 或 AMD ROCm。官方给出的性能测试使用一张 H200，单流 TTFA 中位数为 88.9 毫秒，RTF 为 0.131，16 路并发时为每秒 927.6 帧。这些数字能帮助估算部署，但不能直接外推到较低规格显卡或不同服务配置。

托管 API 的调用细节也会影响迁移风险：请求需要在 Header 中指定 model 为 drama-3，缺少该 Header 时会静默回退到 s2.1-pro。静默回退意味着接口可能仍返回音频，却没有运行预期模型，集成测试不能只检查请求成功与否。官方列出的标准价格为每 100 万字符 50 美元，并在 2026 年 11 月 12 日前标出每 100 万字符 10 美元的价格；团队应把促销价和长期成本分开核算。

授权边界应进入架构评审

开放权重不等于没有使用条件。Community License v1.0 允许研究和非商业使用，也允许年收入低于 50 万美元的商业使用；把模型托管成面向第三方的 API，则需要另行授权。使用时还需展示“Built with Fish Audio”，并且未经同意不得进行声音克隆。对于把语音功能嵌入产品、再由客户或终端用户调用的团队，授权路径和部署路径应当一起审查。

实际评估可以从一条包含角色切换、情绪指令、品牌或技术词，以及代码、邮箱等精确字符串的代表性脚本开始，同时记录输出质量、目标硬件和并发需求。材料没有披露上下文长度，也没有提供情绪表演基准或完整的跨硬件数据，因此不宜据此推断长篇连续性、复杂情绪控制或低成本部署已经得到验证。若工作负载适合单次生成多角色脚本，且团队能满足显存和许可证条件，Drama 3 值得进入对照测试；否则，“开放权重”本身不足以构成迁移理由。