Fish 新语音模型支持多角色对白，网页可流式试听

发生了什么

Fish Audio Drama 3 面向多角色场景与长篇配音，支持声音克隆、自然语言表演控制及最多十六个角色标签。模型采用三百五十亿总参数、约三十亿活跃参数架构，并提供流式分块生成方式；官方 HF Space 可以输入剧本试听。12

对短剧与播客创作者，最有价值的问题是角色能否持续区分，以及修改一句台词后是否还保持同一表演风格。

具体是什么

模型页介绍角色标记、叹气与笑声等控制方式，以及将前一次结果作为后续编辑上下文的用法。服务端可以通过 SGLang-Omni 或 vLLM-Omni 接入。Demo 使用实际模型与 ZeroGPU，仍受平台排队和额度影响。12

因此，网页首段音频等待可能包含 GPU 分配与初始化，不能直接等同模型本身的推理速度。

怎么用

打开 Drama 3 Space，在 Script 中输入一小段对白，先选择预设声音与简单表演要求，再生成试听。2 建议从两个角色开始，每人几句，确保标记、停顿和语气都能分辨。

之后用同一段文字加入少量方向标签，比较它们是在帮助表演，还是让声音不自然。不要一次堆叠许多情绪要求，否则很难判断哪个条件造成变化。

需要克隆时使用有授权的单人参考音频，先检查清晰度与背景噪声。长篇制作应逐段核对读音、角色串声、音量与段间衔接，保留确认过的文本和声音设置，方便以后补录。

可以把同一句台词交给不同角色，再让同一角色连续说几段不同长度的文本。分别记录角色之间是否足够有区别、同一角色是否保持稳定，以及情绪切换是否影响读音。保留盲听记录，有助于避免只凭第一个好听样例决定整部作品的配音方案。

意味着什么

配音工作可能从挑一个声音，转向管理角色、台词与表演指令。小团队可以把常用角色设定保存成可复用记录，但仍应把实际听感作为最终依据。

对语音应用开发者，多角色和连续编辑能力也提出新的界面需求：用户需要知道当前使用哪个声音、修改影响哪些片段，以及之前确认的版本能否恢复。

局限与风险

模型权重使用 Fish Audio 社区许可，Demo 的代码或界面许可不能代替模型商用许可，应分别核对。12 角色标签与情绪控制也不是绝对保证，长文本和复杂表演可能出现不稳定。

官方服务性能数据带有硬件、并发和输入设置，不能直接推算普通设备速度。1 本条没有实际提交配音任务，tested 保持为 false。正式成片应试听全部内容，特别检查姓名、数字和角色切换，并确认音色与素材使用权限。