Fish Audio 发布文本转语音模型 Drama 3，采用 35B 混合专家架构，每 token 激活约 3B 参数，权重开放。支持 83 种语言、16 个说话人及自然语言表演指令。发音鲁棒性测试得分 93.2%，精确序列为 86.3%。自托管需 48GB 以上 NVIDIA 显存，API 定价每百万字符 50 美元，年营收 50 万美元以下可免费商用。

Fish Audio 的文本转语音模型 Drama 3 已在 AI Gateway 上线，30 天内享八折优惠。该模型支持用自然语言指令控制语音表演，可描述情绪与节奏、添加音效和停顿，或用标签调整特定词发音；指令语言可与朗读文本不同，并支持多角色对话。