Fish Audio Drama 3 让 AI 语音在句子中途切换情绪

Fish Audio 推出了 Drama 3，这是一款文本转语音模型，旨在让 AI 生成的对话听起来不再像照本宣科，而更像真实的表演。该模型于 10 月 13 日发布，让创作者能够使用日常语言控制情绪、节奏和声音表现。

用户无需依赖基础的语音预设，而是可以直接在脚本中插入指令。一个角色可以先平静地说话，随后变得越来越沮丧，最后用耳语说完一句话，整个过程无需在不同的录音之间切换。如今，就连合成演员也得听从导演的指示。

Drama 3 还支持多角色对话和 83 种语言。指令可以应用于单个词语或整段内容，让创作者能够强调特定表达，而不必更改脚本的其余部分。

据 Fish Audio 称，该模型在 Artificial Analysis 的发音鲁棒性基准测试中达到了 93.2% 的准确率，而其前代模型 S2.1 Pro 的准确率为 88.1%。不过，发音准确并不一定能保证情感表达令人信服。

该公司还在开发两款高级编辑工具。Interactive Editing 将允许用户通过追加指令来优化语音表现，而 Audio Inpainting 则旨在替换个别词语，无需重新生成整段录音。这两款工具目前仍处于小范围的邀请制测试阶段。

Drama 3 可通过 Fish Audio 的网站、移动应用和 API 使用。模型权重也可下载，但商业用途受到许可条款限制。

截至 11 月 12 日，API 使用费用为每百万字符 10 美元，较常规的 50 美元价格优惠 80%。促销期间，新购创作者订阅也可享受五折优惠。