FishAudio近日宣布获得5200万美元种子轮融资，并同步推出新一代文本转语音模型Drama 3。官方称其为“世界上最具情感表现力和可控性的TTS模型”，该模型支持对单个单词的发音进行精细控制，可调整词语语气，并能在句子播放中途切换音色，突破了传统语音合成只能整句生成、全局控制的限制。FishAudio此前以开源语音合成项目在开发者社区积累了较高知名度，其免费计划每月仅提供8000积分，对高频使用者而言较为紧张。为配合Drama 3发布，FishAudio推出限时活动：用户在其官方X账号置顶帖子下评论“DRAMA”，即可免费获得一个月FishAudio Plus会员资格，活动时长48小时。从产品定位看，Drama 3主要面向有声书制作、播客、配音等对情感表达要求较高的内容创作场景，单个词级别的语气控制能力对专业配音流程具有实际意义。5200万美元的种子轮融资规模在语音赛道中较为可观，显示资本对AI语音生成市场的持续看好。社区用户可通过限时活动体验完整付费功能，判断该模型实际表现。
事件分析
技术层面，Drama 3的差异化在于细粒度可控性：词级发音编辑、句中音色切换等能力此前多见于专业音频软件的手工处理环节，将其纳入模型推理流程，意味着语音生成从“整段合成”迈向“可编辑生产”，这对配音、有声书等需要精细后期调整的场景是实质性改进。产业层面，语音赛道竞争持续升温，ElevenLabs、MiniMax等厂商均押注情感化TTS，FishAudio以开源生态加商业化订阅的路径切入，其开发者社区基础构成差异化筹码。后续值得关注的方向包括：Drama 3的API定价策略、开源版本是否同步跟进，以及词级控制在多说话人长文本场景下的稳定性与一致性表现。
核心观点：语音合成竞争已从“像人声”升级为“可表演”，词级情感控制正把TTS从生成工具变成可编辑的音频生产力。
原文链接：Linux.do
