Fish Audio 的 Drama 3 上线 Vercel AI Gateway：用自然语言在脚本里标注情绪与停顿

Vercel 在 2026 年 10 月 13 日的更新日志中宣布，Fish Audio 的文本转语音模型 Drama 3 已在其 AI Gateway 上线。官方说明的核心是：可以在脚本里直接用自然语言标注演出的情绪与节奏，用方括号描述情绪与停顿，用标签改变个别词的发音方式，并且允许标注语言与朗读语言不同；同时支持多角色对话，每个角色使用独立音色。模型目前处于预览阶段。

这次发布的是什么

Vercel 在 2026 年 10 月 13 日的更新日志中宣布，Fish Audio 的文本转语音模型 Drama 3 已在 AI Gateway 上线。

它和常规文字转语音工具的区别，官方写得比较清楚：重点不在「把字念出来」，而在「按导演的方式念出来」。官方给出的做法是——把情绪与节奏直接写进脚本里，用方括号描述，比如说明这句话要温和、要安抚；需要停顿和音效的地方也写在脚本里；个别词可以用 whisper、emphasis 这类标签包起来改变发音方式。更实用的一点是，标注用的语言可以和实际朗读的语言不同，也就是说可以用中文写表演提示、念英文台词。

官方还写明支持多角色对话，每个角色可以使用各自的音色，适用场景给的是配音、角色对白与音频故事。

需要注意的是，官方在日志里明确标注这目前处于预览阶段。

可用性与限制

• 阶段：官方写明该模型目前处于预览阶段，功能与行为可能继续调整，以官方说明为准。
• 调用入口：日志给出的示例是在 AI SDK 里调用语音生成接口，模型标识为一个厂商前缀加版本号的写法，正文照录。
• 标注语言：官方写明表演提示可以与朗读文本使用不同语言。
• 多角色：支持多角色对话，每个角色使用独立音色。
• 音色数量、可选音色列表与授权范围以官方文档为准，日志未逐项列出。
• 网关侧的区域、并发与速率限制以官方文档为准。
• 日志中提到了一段限时优惠活动，本文不转述其具体折扣与期限，请以官网当前显示为准。
• 本文只采用网关更新日志能读到的口径；厂商是否另有更完整的说明页，请以厂商官方公告为准。

主要功能

• 脚本内标注情绪：用方括号把表演情绪与节奏写进脚本文本
• 停顿与音效：可在脚本中安排需要停顿或出现音效的位置
• 逐词发音控制：用标签包裹选中的词，改变该词的发音方式
• 标注与朗读语言分离：提示语言与被朗读语言可以不同
• 多角色对话：每个角色可使用独立音色
• 走网关统一接入：一把网关密钥调用，无需另建厂商账号

技术原理

日志中能确认的技术层面信息有三点。

第一，调用形态走的是 AI SDK 的语音生成接口，官方示例里把模型标识、音色标识与脚本文本作为参数传入。这属于主流的语音合成调用形态，迁移成本主要在参数名与音色标识上。

第二，情绪控制不是靠独立的情绪参数，而是写进脚本文本本身。方括号段落、停顿位置、逐词标签都属于脚本文本的一部分。这意味着导演意图和台词是同一份数据，排练时改一句台词不必去改别处的参数。

第三，多角色通过给不同角色分配不同音色实现，而不是靠说话人标签切换模型。这一点在做双人对话、有声书与游戏语音时差别明显：音色数量与一致性由厂商侧管理，使用方需要自己确认可选音色是否覆盖所需角色。

需要提醒的是，预览阶段的模型在长文本、情绪切换密度高的段落上表现可能不稳定，是否满足成片要求需要用自己的稿件实测，不能只看示例。

实际体验

按下面几步，用一段自己的稿子就能复核，不需要商业项目：

1. 打开网关更新日志，确认页内日期为 13 Oct 2026，确认写的是已可用，并确认预览阶段的标注还在。
2. 在网关模型目录里检索该模型标识，确认可被检索到，并记录当前标注的阶段状态。
3. 取一段熟悉的台词，先不加任何标注生成一次，作为基准。
4. 在脚本里给同一句加上方括号情绪标注（例如要求温和、放慢），再次生成并对比差异。
5. 用不同语言写标注、保持朗读文本不变再跑一次，确认标注与朗读语言确实可以分离。
6. 写一段双人对话，给两个角色分配不同音色，确认角色切换是否稳定。
7. 把脚本体量放大到成片长度，观察后半段是否出现情绪漂移或音色漂移。
8. 若打算商用，先去官方文档核对音色的授权范围与预览阶段的限制。

任何一步与上文描述不符，先确认模型标识与音色标识是否一致，再回到官方文档核对。

项目地址与获取方式

官方更新日志：https://vercel.com/changelog/drama-3-now-available-on-ai-gateway

请通过网关官方文档获取调用方式与密钥。音色列表、授权范围、预览阶段限制与价格均以官方页面为准，本文不转述。

适合谁用

• 做有声书、广播剧、播客开场的人：官方给的适用场景就包含音频故事与角色对白。
• 需要角色配音的独立开发者：多角色对话与独立音色是官方明确写出的能力。
• 手里有中文稿子但要念外语台词的人：标注与朗读语言可以分离这一点很实用。
• 已经在网关统一接入的人：换模型标识即可试用，不需要另建厂商账号。
• 需要精细控制发音的人：逐词标签与停顿安排提供了比参数更细的干预方式。
• 不适合需要即刻稳定成片的人：官方标注为预览阶段，长稿与高密度情绪切换建议先小样验证。
• 不适合要求完全可控音色的团队：可选音色范围以官方列表为准，本文不推测。

常见问题

是不是正式发布？

官方在更新日志里明确写了该模型目前处于预览阶段，同时写明已在网关上可用。本文按官方口径表述，是否转正式版以官网后续公告为准。

情绪控制是用参数还是写在文本里？

写在文本里。官方给出的做法是用方括号在脚本中描述情绪与节奏，需要时加上停顿与音效，个别词用标签包裹来改变发音方式。也就是说导演意图与台词是同一份脚本文本。

标注必须和朗读文本用同一种语言吗？

不必。官方写明表演提示可以使用与朗读文本不同的语言，常见的用法是用一种语言写提示、念另一种语言的台词。

支持多人对话吗？

支持。官方写明支持多角色对话，每个角色使用各自的音色。可选音色数量与列表以官方文档为准。

有没有免费额度或者折扣？

更新日志里提到了一段限时优惠活动，具体折扣与期限会变动，本文不转述，请以官网当前显示与官方定价页为准。

商用授权怎么算？

音色授权范围与预览阶段的商用限制以官方文档与条款为准，需在正式使用前自行核对。

相关工具与内容

• 分类：AI 音频、AI 办公
• 工具页：ElevenLabs、火山引擎语音合成、Suno
• 同题材快讯：MAI-Image 系列上线网关
• 同题材快讯：Gemini 4 Argon 上线网关
• 延伸阅读：Vercel CLI 智能体购买域名