Fish Audio 发布 Drama 3 Preview：开源权重 TTS 登顶 Artificial Analysis，发音鲁棒性超 Eleven v4

Artificial Analysis (@ArtificialAnlys) · 2026-10-13 18

Fish Audio 的 Drama 3 Preview 成为 Artificial Analysis 文本转语音（Text to Speech）排行榜上新的 #1 开源权重模型。该模型还在我们的发音鲁棒性（Pronunciation Robustness）排行榜中领先所有模型，超越了 Eleven v4 和 Eleven v4 Turbo。

Drama 3 Preview 是 @FishAudio 推出的全新开源权重文本转语音模型，专为多角色场景和长内容打造，支持声音克隆与自然语言控制。模型权重已在 Hugging Face 上发布，采用 Fish Audio 社区许可证。

关键要点：

➤ 发音鲁棒性：Drama 3 Preview 得分 93.2%，排名 #1，领先于 Eleven v4（91.7%）和 Eleven v4 Turbo（90.1%）。它在“独立术语”和“保留精确序列”两项指标中均排名第 1，在“展开简写”项中排名第 2。

➤ 提供商语音（Provider Voice）：Drama 3 Preview 的 Elo 分数为 1,243（±16），基于 1,857 次对战记录，排名第 10，较之前的 Fish Audio S2.1 Pro（1,142 分）提升了 101 分。

➤ 受控语音（Controlled Voice）：Drama 3 Preview 排名第 14，Elo 分数为 1,058（±15），基于 1,804 次对战记录。

➤ 开源权重：Drama 3 Preview 是我们三个文本转语音排行榜上排名第一的开源权重模型。在发音鲁棒性方面，它比下一个开源权重模型 Mistral 的 Voxtral TTS（78.1%）高出 15 个百分点；在提供商语音竞技场中，它领先于 Breeze TTS 2（1,221 分）。Drama 3 是一个拥有 35B 参数的混合专家模型（MoE，激活参数 3B），支持 83 种语言，可在 Hugging Face 获取。

➤ 定价：Drama 3 Preview 通过 Fish Audio API 提供，价格为 $15/百万字符，与 S2.1 Pro 相同；相比之下，Eleven v4 的价格为$80/百万字符，Eleven v4 Turbo 为 $40/百万字符。

更多详情及音频样本见下方 🧵