@svpino：这是我见过的第一个能让你编辑单个词语的音频模型。文本转语音模型已经变得非常出…
摘要
Fish Audio 推出了 Drama 3 语音模型，支持音频修复，可以仅重新生成音频中的单个词或短语，其余部分保持不变，并支持 83 种以上的语言。
查看缓存全文
缓存时间: 2026/10/12 15:30
这是我见过的第一个可以让你编辑单个词的音频模型。
最近，文本转语音模型已经变得非常出色，但它们仍然会出错，而我很讨厌仅仅因为一个词出了错，就得重新制作整段配音。
@FishAudio 刚刚发布了 Drama 3，它支持音频局部修复。
简单来说，你可以重新生成音频中的某个词或短语，同时保持其他所有内容不变。
操作流程很简单：
- 生成你的配音
- 选择你想替换的词或短语
- 生成替换内容，保留这段录音的其余部分
效果出乎意料地好！
顺便说一下，这项功能支持超过 83 种语言！
感谢 Fish Audio 团队与我合作发布这篇帖子。
相似文章
fishaudio/drama-3
Fish Audio 发布新一代文本转语音模型 Drama 3，采用 35B 参数 MoE 架构（每 token 激活 3B），支持最多 16 个说话人的多角色长文本生成、语音克隆与自然语言控制，并可在 SGLang-Omni 上流式部署。
Fish Audio Drama 3
Fish Audio 推出其最新 AI 语音模型 Drama 3，支持通过自然语言控制情感、节奏、耳语、笑声和停顿，可生成多角色场景、有声书与游戏对话，覆盖 83 种语言，并以社区许可证开放权重供自托管。
戏剧 3（网站）
Fish Audio 发布了 Drama 3 预览版文本转语音模型，支持用自然语言、括号内标签、音效与局部标记来精确指导每一句台词的表演方式，并可通过 API 调用。
Fish Audio Drama 3 技术报告
Fish Audio 发布开源语音生成模型 Fish Audio Drama 3 的技术报告：基于 35B 参数混合专家骨干（每 token 激活 3B），支持多参考语音克隆、自然语言导演指令、多轮修订、多人场景配音、编辑式填充、长音频与流式合成，单张 H200 推理速度达 271 帧/秒。
@rohanpaul_ai：非常酷的开源权重 TTS 模型刚刚发布。在 TTS 音频中修复一个错误的词通常意味着要重新生成整条语音……
Fish Audio 发布了开源权重的 TTS 模型 Drama 3，号称全球最具情感表现力和可控性的语音合成模型，支持在句子中对单个单词进行风格和语气微调。