Drama 3 有什么不同
做 AI配音，最难的是让声音带上情绪。Drama 3 有六点不同于其他语音模型，每一点都会改变你写脚本的方式。无论是有声书、短剧还是口播，这六点都用得上。
| Drama 3 | 对你的脚本意味着什么 |
|---|
| 用自己的话下指示 | 直接描述情绪和当下的状态，比如 [自豪却筋疲力尽]，不用再从预设里挑 |
| 一句话里可以转变 | 开头欢快，三个字之后压低成耳语。每个指示从你写下的位置开始生效 |
| 难演的情绪 | 话里带着泪意，怒气被压住，一本正经时忍不住笑出声 |
| 精确到词 | 成对标签只作用于标签里的词：耳语、放慢或加重 |
| 难读的词不出错 | 编号、日期和地名在带着情绪朗读时依然读得对：93.2%，发布时的最高分 |
| 整场戏一次完成 | 一次最多九个声音，每一句都在回应上一句 |
用日常语言写的指示
[proud but exhausted, at the end of a very long day] We opened the doors at six. By midnight, every single seat was gone.
一句话中途转变
[bright, showing off] And this is the new kitchen, all finished. [stopping short, alarmed] Wait, is that water? [panicked, speaking fast] Get a towel, get a towel!
难读的词，读得对
[calm, precise] Version 4.2.1 ships on 3/14. Preheat to 180 °C, then run test case TC-0917 in Reykjavík and in Leicester.
来源：Fish Audio 发布文章、Artificial Analysis 发音稳健性基准。
如何在 Drama 3 里指导一句台词
Drama 3 的脚本里有三种指示，需要时可以放进同一句话。
| 指示 | 怎么写 | 效果 |
|---|
| 整句指示 | 在台词前写 [温和，沉稳] | 它之后的所有内容，直到下一个指示 |
| 音效或停顿 | [sigh]、[laugh]、[breath]、[pause] | 在那个位置加入对应的声音 |
| 成对标签 | <whisper>一个人来。</whisper> | 只作用于标签里的词 |
音效按位置出现
Okay, last box. [sigh] Who packed every single book into one box? [pause] [laugh] Of course it was me.
三个字的耳语
Meet me by the north gate at midnight. Bring the lantern. <whisper>And come alone.</whisper>
重音与放慢
[warm, steady] The results are in. <emphasis>Every</emphasis> team finished the season, <slow>and every team got better.</slow>
Drama 3 的成对标签
把一小段话包在开始和结束标签之间。标签之外的部分，仍然沿用整句的指示。
| 标签 | 适用场景 |
|---|
| <whisper> | 秘密、警告，或威胁的最后一句 |
| <emphasis> | 整句话的重心落在哪个词 |
| <stress> | 把某个词读得更重，比如“你”当时就在场 |
| <soft> | 轻轻带过的一句话，或一句安慰 |
| <forceful> | 命令，或情绪的爆发 |
| <slow> | 揭晓真相，或停住不动的一刻 |
| <fast> | 匆忙的补充，或紧张时的絮叨 |
Drama 3 的指示技巧
想象你要给配音演员留一句话，一口气说完。下面这些习惯，效果最明显。
| 这样做 | 示例 |
|---|
| 写出情绪，也写出情绪背后的东西 | [表面开朗，其实藏着担心] |
| 交代情境或听的人 | [压低声音，免得隔壁的孩子听见] |
| 情绪一变，就换一个新指示 | [平静] …… [突然尖锐] …… |
| 音效紧跟在起因之后 | 这已经是第三次了。[sigh] 好吧。 |
| 让声音和角色匹配 | 轻柔带气声的嗓音，很难喊出一声命令 |
| 生成两三条再挑 | Drama 3 目前是预览版，每次结果会有差异。留下最好的一条 |
Drama 3 的各地区语言
Drama 3 支持 83 种语言。每条示例都选用在当地录制的 Fish Audio 声音，台词和指示也都用当地语言来写。最后一张卡片展示另一个办法：指示用一种语言，台词用另一种。
印地语
[धीमी, भावुक आवाज़ में] माँ ने आज फिर फ़ोन किया। [गहरी साँस] कहती हैं, दिवाली पर घर आ जाना, बस।
印地语与英语混用
[excited, talking fast] Yaar, result aa gaya! Main pass ho gayi... [laugh] matlab, finally!
埃及阿拉伯语
[بحماس، كأنه بيحكي لصاحبه] إنت مش هتصدق! [ضحكة] العربية عطلت تاني في نص الكوبري.
巴西葡萄牙语
[animada, quase rindo] Gente, vocês não vão acreditar. [pausa] O bolo chegou inteiro!
墨西哥西班牙语
[orgulloso, con calma] Esta receta era de mi abuela. [pausa] Y hoy, por fin, me salió igualita.
台湾普通话
[輕聲、帶點不好意思] 那個……我把你的雨傘忘在捷運上了。[笑] 明天賠你一把新的。
菲律宾语
[masaya, parang nagkukuwento sa kaibigan] Grabe, pare! Ang lakas ng ulan, tapos sira pa ang payong ko. [tawa]
印尼语
[santai, ramah] Pagi ini kita jalan-jalan ke pasar. [jeda] Wangi kopinya sudah tercium dari jauh.
日语指示，英语台词
[笑いをこらえながら、真面目なふりで] I read the instructions. All of them. Twice.
Drama 3 的多人场景
有不止一个角色开口时，就切换到 Dialogue。一个场景最多九个声音、10,000 字符，一次生成，前一句的情绪会带进下一句。做短剧或广播剧很合适。每一句都像单人配音一样去指导，再挑几个听起来差别明显的声音。
两个声音，一次生成
Nia: [cheerful, very confident] Okay. Pole A goes into sleeve B. Easy. Sam: [doubtful] That's the third time you've said easy. Nia: [strained, out of breath] It's fine, it's fine, <forceful>it's totally fine!</forceful> [pause] Sam: [trying not to laugh] So. We're sleeping in the car.
三个声音，压低嗓音
Mia: [whispering, excited] Lights off, lights off, she's at the door! Leo: [whispering, panicking] Wait. Who has the cake? Ruth: [quietly, guilty] [pause] I may have eaten some of the cake. Mia: [hissing, trying not to laugh] You ate the cake?!
印地语双人对话
Priya: [हैरानी से] तुमने फिर से चाय में नमक डाल दिया? Rohan: [हँसी रोकते हुए] नमक? [रुककर] अरे, डिब्बे तो दोनों एक जैसे हैं! Priya: [हँसते हुए] बस, आज से चाय मैं बनाऊँगी।
Drama 3 与 S2.1 Pro：有什么变化
S2.1 Pro 是 Fish Audio 的上一代模型。两者都用方括号写指示，所以 S2.1 Pro 的脚本可以原样用在 Drama 3 上。据 Fish Audio 说，Drama 3 演得更有感情，也更贴近指示，难读的词读得更准。
| 难读的词读对的比例 | S2.1 Pro | Drama 3 |
|---|
| 总体 | 88.1% | 93.2% |
| 品牌、地名和专业术语 | 87.3% | 95.9% |
| 读音取决于上下文的词 | 86.1% | 95.3% |
| 数字、日期和单位 | 92.7% | 93.6% |
| 编码、文件路径和邮箱 | 79.4% | 86.3% |
来源：Fish Audio 发布文章、Artificial Analysis 发音稳健性基准。
在 Morphic 上选 Drama 3 还是 Eleven v4
两个都是能“导演”的语音模型。按活儿来选，也可以在同一个项目里一起用。
| Fish Audio Drama 3 | Eleven v4 |
|---|
| 单次语音生成的脚本长度 | 最多 10,000 字符 | 最多 3,000 字符 |
| Dialogue | 最多 9 个声音，10,000 字符 | 2 到 10 个声音，2,000 字符 |
| 精确到词的控制 | 七个成对标签 | 标签放在对应的词旁边 |
| 语言 | 83 种 | 90 多种 |
| 声音 | Fish Audio 声音库 | ElevenLabs 声音库 |
想了解 Eleven v4 的标签和节奏，见 Eleven v4 提示词指南。
常见问题
Fish Audio Drama 3 能做中文配音吗？
可以。Drama 3 支持 83 种语言，其中有普通话。选一个在你想要的地区录制的声音，台词就用那种语言来写。页面上的台湾普通话示例，指示和台词都是用中文写的。
Fish Audio Drama 3 支持哪些标签？
方括号里的任何日常语言指示都行，比如 [紧张，几乎是耳语]。也支持 [sigh]、[laugh]、[breath] 和 [pause] 这类音效与停顿。另有七个成对标签，可以包住选定的词：whisper、emphasis、stress、soft、forceful、slow 和 fast。
在要停下来的地方写 [pause]。后面再跟一个新指示，比如 [放慢，极其严肃]，从那里开始节奏也会跟着变。
检查一下括号。指示要写在方括号里，成对标签必须有对应的结束标签。括号没闭合，或标签拼错，都可能被当成正文读出来。
在 Morphic 上，Drama 3 的脚本最长能写多少？
每次生成最多 10,000 字符，约十分钟的语音，Speech 和 Dialogue 都一样。更长的作品，比如一整章有声书，在自然的段落处拆开。
只有取得本人许可才行：Fish Audio 对 Drama 3 的许可禁止未经同意克隆他人的声音。在 Morphic 上，请从 Fish Audio 声音库里挑选声音。
