ComfyPilotComfyPilot
文档 / 教程 / Fish Audio Drama 3：表演指令、词标签与模板

Fish Audio Drama 3：表演指令、词标签与模板

在 ComfyUI 中运行 Fish Audio Drama 3：用自然语言指令和成对词标签指导表演，并使用现成的 Drama 3 模板。

教程 drama-3 更新于 2026-10-18

查看官方原文

Fish Audio Drama 3：表演指令、词标签与模板

在 ComfyUI 中运行 Fish Audio Drama 3：用自然语言指令和成对词标签指导表演，并使用现成的 Drama 3 模板。

Drama 3 是 Fish Audio 最新的文本转语音模型，专为语音指导打造。整个场景以一份脚本的形式写出，朗读方式用自然语言描述在文本中，而成对的词标签只改变它们所包裹的词语。在 ComfyUI 中，它运行在 Fish Audio Text to Speech 节点中，并将 model 设置为 drama-3。关于其他 Fish Audio 模型，请参阅 Fish Audio：文本转语音、声音克隆与语音转文本。

[!TIP] 使用 API 节点需要保证你已经正常登录，并在受许可的网络环境下使用，请参考API 节点总览部分文档来了解使用 API 节点的具体使用要求。
[!TIP] > [tab] 本地用户 > > 请确保你的 ComfyUI 已经更新。 > > ComfyUI 下载 > ComfyUI 更新教程 > > 本指南里的工作流可以在工作流模板中找到。如果找不到，可能是 ComfyUI 没有更新。 > > 如果加载工作流时有节点缺失，可能原因有： > > 1. 你用的不是最新版（每夜版）。 > 2. 启动时有些节点导入失败。 > [tab] 云端用户 > > * Cloud 会在 ComfyUI 稳定版本发布后更新。 > > 所以，如果你发现本文档中有任何核心节点缺失，可能是因为新核心节点尚未在最新稳定版中发布。请等待下一个稳定版发布。

在 ComfyUI 中使用 Drama 3

Fish Audio 合作节点位于节点菜单的 partner/audio/Fish Audio 下，Drama 3 使用的节点与其他模型相同：Text to Speech、Speech to Text、Voice Selector 和 Instant Voice Clone。

选择模型

在 Text to Speech 节点上将 model 设置为 drama-3。

连接语音

Voice Selector 或 Instant Voice Clone 的 voice 输出会连接到 Text to Speech 节点。drama-3 暴露可扩展的 voices 输入，最多支持 5 个槽位。只连接一个语音时，节点会在内部将其作为 reference_id 传入。连接两个或更多语音时，文本必须用 @Voice1、@Voice2 等标记说话人，并且每个已连接的语音都必须在文本中至少出现一次，否则节点会抛出错误。

指导表演

drama-3 从脚本本身获取表演指令。用方括号括起的自然语言指令会从该处开始改变演绎方式，而成对标签只会改变它所包裹的那些词：

[calm and inviting] Welcome back to the studio.
[leans in, conspiratorial] There is one trick nobody tells you about.
[light, playful] Ready? <whisper>It is all in the timing.</whisper> [bright, back to full voice] And that is the whole secret.

描述演绎方式

把指令放在方括号中，置于它所作用的文字之前，并按你给配音演员做提示的方式来写：情绪、意图、节奏，或者角色正在对谁说话。

[barely holding it together, forcing a smile] I'm fine. Really. Go on without me.
[professional broadcast tone] And now, the headlines.

一条指令会一直生效，直到下一条指令出现。位于行首的 [calm] 会在整行中持续生效，除非被另一条指令取代；一行中的多条指令会在这行内部改变演绎方式。

添加声音和停顿

在应当出现的位置用方括号写出声音或停顿，例如叹息、笑声或呼吸声：

I'm fine. [shaky breath] Really. [small laugh] Go on without me.

用任意语言给出指令

指令不必与脚本的语言一致。英文脚本可以用中文给出指令，反之亦然：

[像是在强忍着眼泪，却努力笑着] I'm fine. Really. Go on without me.

只改变特定的词语

用成对标签包裹词语，即可只改变这些词的演绎方式。支持的标签有 <whisper>、<emphasis>、<soft>、<fast>、<slow>、<stress> 和 <forceful>：

It is going to <emphasis>blow</emphasis>.
I'm fine. Really. <whisper>Go on without me.</whisper>

在行中切换语言

[!NOTE] Fish Audio 将语言标签列为实验性功能。

用语言标签包裹一个短语，即可只对这些词切换语言。当一句话中混用两种语言，或某个短语需要用另一种语言朗读时，这会很有帮助：

She looked at the menu and said <french>Je voudrais une table pour deux, s'il vous plaît.</french> The waiter smiled.

组合使用

指令、词语标签和音素标签可以同时用在同一份脚本中，包括在多说话人轮次内部：

@Voice1 [calm and inviting] Welcome back to the studio.
@Voice2 [leans in, conspiratorial] There is one trick nobody tells you about.
@Voice1 [light, playful] Ready? <whisper>It is all in the timing.</whisper> [bright, back to full voice] And that is the whole secret.

提示指南中的情绪、语气和效果标签属于其他模型。在 drama-3 上，请改用本页介绍的指令和词语标签。

可用工作流

两套现成模板覆盖 Drama 3：单人定向演绎和双说话人对话。你可以在 ComfyUI 的模板库中打开它们，也可以直接在 Comfy Cloud 上运行。两者都需要 ComfyUI 0.39.3 或更高版本。

Fish Audio Drama 3：定向表演

用单一音色演绎一段脚本。text 字段中的指令会逐句改变表达方式，而 <whisper>...</whisper> 可以在不改变整句的情况下改变其中几个词。模板默认使用 Delia 预设音色，你可以在 Voice Selector 中替换它。

Fish Audio Drama 3：Directed Performance 工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "Fish Audio Drama 3: Directed Performance"

输入素材

将此文件上传到对应的 LoadAudio 节点：

[card] fish\_audio\_example.mp3 LoadAudio 节点 11 · fish_audio_example.mp3

Fish Audio Drama 3：双人对话

一次生成整个场景，每位说话人对应一个 Voice Selector，并在脚本中使用对话标签。模板自带 Delia 和 Sheila 预设音色：

[deep, cinematic narrator] @Voice1 Every night, the city tells a story.
[soft, close, like a secret] @Voice2 But only one voice ever finishes it.
[drops to a whisper, then brightens] @Voice1 Fish Audio Drama 3, <whisper>now in ComfyUI</whisper>.

Fish Audio Drama 3：Two-Speaker Dialogue 工作流预览

[card] 在 Comfy Cloud 上运行 在 Comfy Cloud 中打开
[card] 下载工作流 下载 JSON，或在模板库中搜索 "Fish Audio Drama 3: Two-Speaker Dialogue"

输入素材

将此文件上传到对应的 LoadAudio 节点：

[card] fish\_audio\_example.mp3 LoadAudio 节点 11 · fish_audio_example.mp3

账户与定价

这些节点需要登录 ComfyUI 账户，并按使用量计费。在发布优惠期间，Drama 3 的价格约为每 1M 字节文本 $14.30，自 2026 年 11 月 13 日起则为 $35.75。有关积分费率和优惠窗口，请参阅合作伙伴节点定价。

开始使用

  1. 将 ComfyUI 更新至 0.39.3 或更高版本
  2. 打开上方的任一 Drama 3 模板，或从 partner/audio/Fish Audio 添加 Fish Audio 节点
  3. 在 Text to Speech 节点中选择 drama-3，并通过 Voice Selector 或 Instant Voice Clone 连接音色
  4. 使用指令和词语标签编写脚本，然后运行