Drama 3

Drama 3

用 Fish Audio 的 Drama 3 模型，把你写的一句话用你选择或设计的声音说出来，并用提示指导每一次演绎。适合探索富有表现力的语音和声音克隆的创作者。

由 fishaudio 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Drama 3 是 Fish Audio 做的 Gradio 页面，用来指导语音表演。你输入一句话，选择或设计一种声音，再调整它的演绎方式。每次演绎都在 ZeroGPU 上运行 Drama 3 模型，不需要推理端点，也不需要端点令牌。

适合谁：它适合想要可控、有表现力语音的创作者，也适合想看大型语音模型如何托管在 ZeroGPU 上的开发者。

行业 | 谁在用 | 怎么用 | 例子
媒体 | 视频和音频创作者 | 用选定的声音起草口播台词 | 输入一句话，听这一次演绎
游戏 | 游戏编剧 | 试听一个角色可能的声音 | 描述一种声音并选定它
娱乐 | 编剧和导演 | 听一句剧本台词并调整演绎 | 用一条新的提示要求再来一次
软件 | Python 开发者 | 研究一个流式的 ZeroGPU 语音应用 | 阅读 app.py、zerogpu_backend.py 和 stream_transport.py

如果你需要长篇的精制作品，可以跳过它，因为页面一次只做一次演绎，重启之后不保留历史。

用在哪里：

• 浏览器：打开 Hugging Face 上这个 Space 的页面，它运行在 ZeroGPU 上
• 你自己在 ZeroGPU 硬件上的 Space 副本
• 你自己的 Windows、macOS 或 Linux 电脑，需要 Python 3.12

使用场景 | 谁用 | 得到什么
给一句话配音 | 创作者 | 随 GPU 生成而流式返回的一次演绎
用文字描述选定声音 | 游戏编剧 | 根据你的描述生成的新声音
重新指导一次表演 | 导演 | 用同一种声音按新指导再来一次

如何设置：在线页面不需要准备任何东西。本地副本需要 Python 3.12 和 requirements.txt 里的包。真正的引擎还需要带 CUDA 依赖的 GPU。

• Python 3.12 和 pip
• requirements.txt 里的 Python 包
• packages.txt 里的系统包，Space 会用 apt-get 安装
• Windows、macOS 或 Linux

1. 安装 Hugging Face hub 库。
2. 把 Space 的文件下载到名为 Drama-3 的文件夹。
3. 进入该文件夹。
4. 安装 Gradio 6.28.0，再安装 requirements.txt 里的包。
5. 启动 app.py。

pip install -U huggingface_hub
hf download fishaudio/Drama-3 --repo-type space --local-dir Drama-3
cd Drama-3
pip install gradio==6.28.0
pip install -r requirements.txt
python app.py

要在 Hugging Face 上运行你自己的副本，请用 ZeroGPU 硬件复制这个 Space。不需要任何密钥或 OAuth 设置。构建时会预加载一个约 41 GB 的检查点，所以第一次启动要几分钟。

如何使用：选一种模式，给它一句话，然后播放这一次演绎。每种模式各有各的用途。

工具 | 作用
Surprise | 第一个模式，默认选中
Clone | 从三种预设声音之一、你上传的片段或你的麦克风出发，转写文字仍可编辑
Design | 根据文字描述做出一种声音
Give a note | 用同一种声音按新的表演指导再做一次
Workflow | 一个画布标签页，使用同一套生成代码

下面这些可选变量用来调整你自己托管的副本。

变量 | 作用
ZEROGPU_SIZE | 选择 GPU 的分配。默认的 xlarge 是完整 GPU，large 要求更少，每秒用掉的额度也更少
DRAMA3_WARM_UP | 默认是 1，设为 0 则跳过启动时的 GPU 预热
ZEROGPU_COLD_START_S | 默认是 20，给新启动的工作进程的 GPU 时间
DRAMA3_COMPILE | 默认是 1，设为 0 则关闭区域编译
WHISPER_MODEL | 默认是 turbo，在 CPU 上转写参考片段的模型

示例：你输入一句话，在 Clone 模式下选一种预设声音，播放这一次演绎。然后你给一条提示，比如换一种情绪，再听同一种声音的第二次演绎。

新手与专家：先从默认的 Surprise 模式开始，播放一次演绎，再试其他模式。需要分配 GPU 时，第一段音频可能会慢一些。

每次演绎都在一次 GPU 调用里运行真正的 Drama 3 模型，音频随 GPU 生成而流式返回。取消时，生成器会在下一个音频窗口关闭。CPU 前端把每位访客的请求上下文传给 GPU 调用，所以 Hugging Face 会按这位访客的额度计算。检查点保留 FP8 专家层和 bfloat16 权重，默认温度为 1，top-p 为 0.9。没有 GPU 时做测试，仓库提供一个预览依赖文件和一个 DEMO_PREVIEW 开关。

你输入一句话并选一种模式
CPU 前端传递你的额度上下文
Drama 3 在一次 ZeroGPU 调用里运行
音频边生成边流式返回
你播放它或要求再来一次

注意事项：

• 限制：一位调用者可以同时跑两次演绎，任意十分钟内最多启动 60 次。这些只是防突发，并不限制一天的总量。
• 额度：每位访客用的是自己的 ZeroGPU 额度，并享有 Hugging Face 的排队优先级。额度错误会显示在表演舞台上。
• 内存：你的参考片段、演绎结果和指导历史只存在内存里，所以重启会把它们清空。
• License：apache-2。fish_speech 文件夹保留它自己的许可。
• Cost to run：对访客来说，除了他们的 ZeroGPU 额度，未提及其他费用。复制一份需要 ZeroGPU 硬件，不需要密钥。
• Data it reaches：你的文字、描述、上传的片段和麦克风音频。Whisper 在 CPU 上转写参考片段。
• Not for：克隆你没有权限使用的声音。

Hugging Face 上的数据（2026年11月13日）

• 点赞：166
• 构建方式：gradio
• 许可证：apache-2.0

链接

• Space：https://huggingface.co/spaces/fishaudio/Drama-3
• 文件：https://huggingface.co/spaces/fishaudio/Drama-3/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。