AI 模型资源
UNET通用·其他
Fish Audio Drama 3 模型 + 文本转语音工作流
Fish Audio Drama 3 是一款 35B 参数的文本转语音模型，支持高质量声音克隆、多角色对话与内联情感提示。本页提供 ComfyUI 文本转语音工作流与模型下载入口，并说明显存需求、部署步骤与配音参数调节方法，适合短视频配音与有声内容制作。
前往网盘下载 →资源存放于第三方网盘，点击将跳转至网盘页面进行下载。
加老师微信 · 免费技术指导
工作流 / 模型 / 云端算力使用问题，1 对 1 免费答疑
扫码进学习交流群
加专属老师微信图文介绍
核心功能：基于 Fish Audio Drama 3 的 35B 参数高级文本转语音 (TTS) 模型，支持高质量声音克隆、多角色对话以及内联情感提示（如 [whispers] 低语, [sighs] 叹息, [singing] 唱歌）。
模型原链接：
常见问题
Fish Audio Drama 3 文本转语音模型能做什么？
它是一款 35B 参数的语音合成模型，可根据文本生成自然人声，支持声音克隆、多角色对话以及内联情感标记（如 [whispers] 低语、[sighs] 叹息、[singing] 唱歌），适合短剧配音、有声书和角色对白等场景。
这个文本转语音工作流对显卡和显存有什么要求？
35B 参数模型体量较大，建议使用显存较充足的独立显卡，并按页面说明选择合适精度加载；显存有限时可先降低批处理长度、分段合成，或参考工作流中的低显存配置节点逐步调试。
支持中文配音和声音克隆吗？
支持多语言文本输入与参考音频克隆，中文效果取决于参考音频质量与文本标点处理。建议使用 10 秒以上、无背景噪声的干净人声作为参考，并在工作流中调整相似度与语速参数。
如何在 ComfyUI 中写入情感提示？
在待合成文本中直接插入方括号标记，例如在句首或句中加入 [whispers]、[sighs]、[singing]，模型会按标记调整语气。建议一次只加一到两个标记，先短句试听，再批量生成长文本。
模型可以用于商业项目吗？
使用前请打开模型原页面查看作者标注的许可条款，确认商用范围与署名要求；用于他人声音克隆时，应先取得声音权利人的书面同意，避免侵权风险。
