2024年TTS技术选型对比评测-唐霜

过去半年，随着大厂的加入，TTS领域有了【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。非常大的变化，在以前的文章中，我曾指出S本文作者：唐霜，转载请注明出处。【访问 www.tangshuang.net 获取更多精彩内容】peech是AIGC领域非常重要的一环，【未经授权禁止转载】原创内容，盗版必究。它将在众多AIGC领域不可或缺。TTS已【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。经从传统的机器合成音，发展到了自然音阶段未经授权，禁止复制转载。【未经授权禁止转载】，当下的TTS项目，追求合成音的自然流畅著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。，口语化、语气、停顿、口头禅、情绪价值等【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。重要因素。过去一段时间，我调研了GPT-原创内容，盗版必究。【本文受版权保护】SoVITS, ChatTTS, Cos【原创不易，请尊重版权】【本文首发于唐霜的博客】yVoice, Fish-Speech等【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.net项目，同时对国内大厂云上的语音合成服务进【转载请注明来源】未经授权，禁止复制转载。行了了解，顺带对国外开放了合成接口的创业本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。项目进行了试用。本文将详细阐述我所接触到本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】的这些TTS项目，以及对它们在接入后是否【版权所有，侵权必究】【未经授权禁止转载】符合预期做对比评测，以为正在做TTS技术原创内容，盗版必究。【版权所有，侵权必究】选型的朋友提供参考。

TTS技术指标【版权所有，侵权必究】

【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】未经授权，禁止复制转载。未经授权，禁止复制转载。

在国内有一家叫做ttsmaker的网站，著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。提供了非常多且免费的语音合成音色，是我认【原创不易，请尊重版权】【作者：唐霜】为国内目前最为优秀的传统TTS提供方。但转载请注明出处：www.tangshuang.net原创内容，盗版必究。可能由于其内部政策的原因，目前已关闭AP本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。I服务，因此，我们无法将它作为技术备选。本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。在此，需要指出，本文要评测的，是可以作为著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net开发者可以常规接入，作为自己的TTS后端著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。的技术备选，可以是服务商提供基于acce未经授权，禁止复制转载。转载请注明出处：www.tangshuang.netss_token的API，可以是类似云服转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。务商提供的客户端SDK，也可以是开放源码本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。自己部署为本地服务的，简而言之，如果产品本文版权归作者所有，未经授权不得转载。【转载请注明来源】虽好，但作为普通开发者无法接入的（如下文未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。提到的Seed-TTS），不再本文考虑范【未经授权禁止转载】原创内容，盗版必究。围内。

转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。【转载请注明来源】转载请注明出处：www.tangshuang.net

我们进行TTS技术选型，一定是服务于我们著作权归作者所有，禁止商业用途转载。【作者：唐霜】的应用场景，而不是纯粹追求指标的全面性。【本文受版权保护】未经授权，禁止复制转载。从开发者角度，我认为我们要从以下指标去评原创内容，盗版必究。本文作者：唐霜，转载请注明出处。估对应的备选是否满足我们的需求：

接入的便捷性：如果接入很麻烦，意味着后续【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。的维护、升级都需要付出更多的工作

本文版权归作者所有，未经授权不得转载。

原创内容，盗版必究。

效果的出色度：就当下而言，合成语音越接近原创内容，盗版必究。【版权所有，侵权必究】自然说话，效果越好

本文版权归作者所有，未经授权不得转载。

著作权归作者所有，禁止商业用途转载。

合成的稳定性：每次输出的效果要具有稳定性本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net，声音保持一致，断句、背景电流声、停顿时原创内容，盗版必究。【作者：唐霜】长等都符合预期

原创内容，盗版必究。

未经授权，禁止复制转载。

著作权归作者所有，禁止商业用途转载。

成本的低廉性转载请注明出处：www.tangshuang.net

转载请注明出处：www.tangshuang.net

著作权归作者所有，禁止商业用途转载。

【作者：唐霜】

原创内容，盗版必究。

每一个方面，都会有更多的细节指标来支撑，【未经授权禁止转载】【本文受版权保护】我会在最后的对比中，把这些细节指标列出来本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。，让读者可以一目了然。

音色【关注微信公众号：wwwtangshuangnet】

转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。【未经授权禁止转载】本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。

在所有指标中，音色是最重要的指标。不同的原创内容，盗版必究。【本文首发于唐霜的博客】模型，在生成效果上，对音色的依赖度都较大著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。。有的甚至直接靠音色来决定生成语音的语速【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】、风格和情感。音色可能成为当下的核心话题本文版权归作者所有，未经授权不得转载。【版权所有】唐霜 www.tangshuang.net，虽然从社会学层面，克隆会带来一些伦理问【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】题，但是从技术角度，想要获得具体的应用效【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net果，在克隆上下功夫，是目前大部分团队正在著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。努力的方向。

从技术控制的角度，除了音色外，我们希望自原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net己控制情感、说话的风格（人物扮演的角色，【未经授权禁止转载】【本文首发于唐霜的博客】例如同一个人，可以扮演家庭主妇、职场女强未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。人、商店老板娘等等）、停顿、口头禅、情感本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】强度、音量、语速、语言、音调（低沉或尖叫转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】）等。只有在技术上我们可以完全独立控制这本文作者：唐霜，转载请注明出处。本文作者：唐霜，转载请注明出处。些参数，我们才能在具体的场景中获得更好的未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net体验。例如在朗读小说时，不仅要为角色分配【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】音色，而且还要在不同的故事情节中，对角色【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】说的话进行情感、风格等的适配。当然，如果【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】这些参数我们完全可控，可以借助大模型来生著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】成朗读脚本。

【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。

TTS技术备选介绍【关注微信公众号：wwwtangshuangnet】

开源TTS项目【本文首发于唐霜的博客】

著作权归作者所有，禁止商业用途转载。【原创不易，请尊重版权】【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。

OpenVoice【原创不易，请尊重版权】

可以说，OpenVoice开创了准确克隆【转载请注明来源】【原创内容，转载请注明出处】人声的时代，它给技术界带来了新的思路。不转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net过目前来看，OpenVoice的TTS效【未经授权禁止转载】未经授权，禁止复制转载。果已经远远落后于后起之秀。尽管如此，它依【作者：唐霜】本文作者：唐霜，转载请注明出处。然是伟大的开源项目。目前出现了了Chat未经授权，禁止复制转载。【本文受版权保护】TTS+OpenVoice的组合，Cha【本文受版权保护】【本文首发于唐霜的博客】tTTS效果出色，但是克隆很逊，因此有这【本文首发于唐霜的博客】【本文首发于唐霜的博客】样的巧妙组合。

【本文受版权保护】原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。

GPT-SoVITS【原创内容，转载请注明出处】

转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。原创内容，盗版必究。【本文受版权保护】

知名的声音克隆项目，【版权所有，侵权必究】GPT-SoVITS【原创内容，转载请注明出处】可以克隆出音色与原声极为接近的种子，而且【本文首发于唐霜的博客】未经授权，禁止复制转载。所需的声音长度很短，克隆速度快，推理速度未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】也快，支持中英语言。不过，虽然GPT-S未经授权，禁止复制转载。本文版权归作者所有，未经授权不得转载。oVITS在克隆上能够让输出的声音与原声原创内容，盗版必究。【原创内容，转载请注明出处】更像，但是在推理时的自然度不够，能够比较【版权所有，侵权必究】【本文受版权保护】容易听出是AI的合成声。

转载请注明出处：www.tangshuang.net原创内容，盗版必究。原创内容，盗版必究。

近期，GPT-SoVITS发布了2.0版转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。本，在1.0的基础上做了多项提升。但是据【作者：唐霜】【作者：唐霜】社区小伙伴反馈，2.0之后，克隆的声音反【本文首发于唐霜的博客】【本文受版权保护】而更不像原声了，但是稳定性获得了更好的保原创内容，盗版必究。【原创不易，请尊重版权】证。从某种角度讲，我们不应该追求与原声的本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】相似，而应该追求稳定性。

【转载请注明来源】著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。

Fish-Speech著作权归作者所有，禁止商业用途转载。

【作者：唐霜】【本文受版权保护】未经授权，禁止复制转载。

转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。

MeloTTS【原创不易，请尊重版权】是一个由 MyShell AI 开发的【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】开源、高质量、多语言的文本转语音项目，可本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】以将文本转换成自然流畅的语音输出，并支持【作者：唐霜】【原创内容，转载请注明出处】英语、西班牙语、法语、中文、日语和韩语等著作权归作者所有，禁止商业用途转载。【本文受版权保护】多种语言。MeloTTS 特别支持 CP本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。U 环境下的实时语音合成，无需依赖 GP【原创内容，转载请注明出处】【作者：唐霜】U。

从体验来讲，MeloTTS 的合成语音只【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】有轻微的机器感，这在开源项目中算是非常优【本文受版权保护】本文作者：唐霜，转载请注明出处。秀。并且文本中的中文、英文和数字都几乎能【本文受版权保护】本文作者：唐霜，转载请注明出处。准确地识别与合成，要说缺点的话就是没有太【作者：唐霜】著作权归作者所有，禁止商业用途转载。多的 voice speaker 选项，【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】中文目前只找到了一个女声和一个男声。

ChatTTS本文作者：唐霜，转载请注明出处。也是一个开源的文本转语音项目，支持中文著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】和英文。目前来说，是开源社区最活跃的TT转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。S项目，社区出现的ChatTTS For原创内容，盗版必究。转载请注明出处：www.tangshuang.netge项目在原项目等基础上做了很大的提升。本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】其生成的效果非常接近真实人生。

原创内容，盗版必究。【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】著作权归作者所有，禁止商业用途转载。

不过，其团队出于安全和商业的考虑，开源版【原创不易，请尊重版权】【原创不易，请尊重版权】本的模型参数较小，且官方特意加入了噪声。

CosyVoice【本文受版权保护】

本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。

CosyVoice本文版权归作者所有，未经授权不得转载。是阿里发布的开源模型，附属于大项目Fun【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。AudioLLM。从官方的demo来看，转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。其效果非常接近人声，其效果与ChatTT著作权归作者所有，禁止商业用途转载。【转载请注明来源】S类似，具有情感和口气。同时，其克隆效果【版权所有】唐霜 www.tangshuang.net【转载请注明来源】也非常出色，是目前来说，国内最完整最优秀【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。的TTS开源项目。

【转载请注明来源】转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。【转载请注明来源】转载请注明出处：www.tangshuang.net

闭源TTS服务原创内容，盗版必究。

本文版权归作者所有，未经授权不得转载。【作者：唐霜】【原创不易，请尊重版权】著作权归作者所有，禁止商业用途转载。

微软Azure语音合成【本文受版权保护】

本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】原创内容，盗版必究。本文作者：唐霜，转载请注明出处。原创内容，盗版必究。

TTSMaker本文作者：唐霜，转载请注明出处。

【原创内容，转载请注明出处】【未经授权禁止转载】本文版权归作者所有，未经授权不得转载。

TTSMaker可能是基于Azure语音未经授权，禁止复制转载。【本文首发于唐霜的博客】合成服务进行二次开发后的产品，其效果和性【本文受版权保护】【原创内容，转载请注明出处】能非常令人惊艳。它提供了非常多的音色，也【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】提供了长文本TTS，免费额度也足够普通用【关注微信公众号：wwwtangshuangnet】【作者：唐霜】户使用。它分为国内版和海外版，域名即cn【转载请注明来源】【原创内容，转载请注明出处】和com的区别，由于某些原因，com域名【转载请注明来源】原创内容，盗版必究。不能在国内访问，而由于某些原因，cn站点【关注微信公众号：wwwtangshuangnet】【转载请注明来源】关闭了API服务。

火山引擎megaTTS【关注微信公众号：wwwtangshuangnet】

原创内容，盗版必究。【未经授权禁止转载】本文作者：唐霜，转载请注明出处。【作者：唐霜】

豆包背后使用了Seed-TTS，但是Se【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。ed-TTS并没有公开提供服务，字节在火著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。山引擎提供了megaTTS，我有真实体验【版权所有】唐霜 www.tangshuang.net【作者：唐霜】，从克隆的效果来看，非常的优秀，与豆包的【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。克隆效果有的一比。不过megaTTS的收【本文受版权保护】【本文首发于唐霜的博客】费比较贵。

Reecho睿声未经授权，禁止复制转载。

原创内容，盗版必究。转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。

国内较为专注语音相关的厂商，深圳的一家公著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】司，提供了AI语音社区，可以实现合成和克【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】隆，也开放了API。我自己试了一下克隆，【作者：唐霜】【关注微信公众号：wwwtangshuangnet】效果只能说一般，但是它提供的分角色功能我【未经授权禁止转载】转载请注明出处：www.tangshuang.net觉得很有特点。

【访问 www.tangshuang.net 获取更多精彩内容】本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。【本文受版权保护】

本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】

ElevenLabs是国外的一家专注做A本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。I语音相关的厂商，它的操作台一眼就能看出本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】非常典型的国外小而美公司的特点。其TTS本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】效果非常的优秀，但是只支持英文，如果给中本文版权归作者所有，未经授权不得转载。本文作者：唐霜，转载请注明出处。文的话，会有非常重的外国人口音（有的情况本文作者：唐霜，转载请注明出处。原创内容，盗版必究。下这竟然是一种特色）。

它有开发API，付费为订阅制，总体而言，【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】虽然其功能很优秀，却不适合国内产品场景。

【原创内容，转载请注明出处】【原创内容，转载请注明出处】未经授权，禁止复制转载。【本文受版权保护】

原生TTS功能【未经授权禁止转载】

著作权归作者所有，禁止商业用途转载。【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net【本文受版权保护】

浏览器自带SpeechSynthesis

本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。【原创内容，转载请注明出处】【关注微信公众号：wwwtangshuangnet】

我们的浏览器自带了【关注微信公众号：wwwtangshuangnet】SpeechSynthesis转载请注明出处：www.tangshuang.net接口，虽然这个接口是实验性的，但是其兼容【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】性还是非常不错的。基于该接口，我们可以直本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net接用javascript实现语音播报，特本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net别是结合一些浏览器自带的分词工具，我们可原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。以让SpeechSynthesis实现L著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】LM边思考边说话的效果。

【原创不易，请尊重版权】【本文首发于唐霜的博客】【原创内容，转载请注明出处】

但是它的音色会由浏览器加载对应的声音模型【本文受版权保护】【关注微信公众号：wwwtangshuangnet】，而且其生成的声音距离自然的人声还是比较【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。远。

【本文首发于唐霜的博客】【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。【未经授权禁止转载】

TTS技术选型对比评测原创内容，盗版必究。

【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】

作为开发者，我们最终要根据当前的业务场景【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】选择一项TTS技术来实现自己的功能。如果原创内容，盗版必究。未经授权，禁止复制转载。使用开源项目，则必须自己部署服务，并基于原创内容，盗版必究。原创内容，盗版必究。服务开发业务接口，难度最大；基于云服务，【未经授权禁止转载】【原创内容，转载请注明出处】则不需要自己部署，虽然成本更高，但是稳定【本文首发于唐霜的博客】【本文首发于唐霜的博客】性和效果有保障；基于原生TTS或第三方原【转载请注明来源】【版权所有，侵权必究】生库，成本低，难度低，但是语音效果不怎么未经授权，禁止复制转载。【本文受版权保护】好。

OpenVoice转载请注明出处：www.tangshuang.net

GPT-SoVITS【原创不易，请尊重版权】

MeloTTS著作权归作者所有，禁止商业用途转载。

微软Azure语音合成本文版权归作者所有，未经授权不得转载。

TTSMaker【未经授权禁止转载】

火山引擎megaTTS转载请注明出处：www.tangshuang.net

Reecho睿声【原创内容，转载请注明出处】

ElevenLabs【作者：唐霜】

浏览器SpeechSynthesis本文作者：唐霜，转载请注明出处。

合成效果【原创内容，转载请注明出处】

稳定性【原创内容，转载请注明出处】

一般本文作者：唐霜，转载请注明出处。

不错【原创内容，转载请注明出处】

不错【本文受版权保护】

稳定未经授权，禁止复制转载。

忽上忽下本文版权归作者所有，未经授权不得转载。

稳到飞起【原创内容，转载请注明出处】

稳到飞起【关注微信公众号：wwwtangshuangnet】

稳到飞起本文版权归作者所有，未经授权不得转载。

还行【关注微信公众号：wwwtangshuangnet】

长文本【本文受版权保护】

差【本文受版权保护】

差【作者：唐霜】

差原创内容，盗版必究。

差【未经授权禁止转载】

差【作者：唐霜】

差【原创不易，请尊重版权】

好【未经授权禁止转载】

很好未经授权，禁止复制转载。

差著作权归作者所有，禁止商业用途转载。

差，但可以分角色转载请注明出处：www.tangshuang.net

好的不得了本文作者：唐霜，转载请注明出处。

几乎没有未经授权，禁止复制转载。

有一点著作权归作者所有，禁止商业用途转载。

有【关注微信公众号：wwwtangshuangnet】

不错【访问 www.tangshuang.net 获取更多精彩内容】

很不错未经授权，禁止复制转载。

很不错转载请注明出处：www.tangshuang.net

可选【本文首发于唐霜的博客】

几乎没有本文版权归作者所有，未经授权不得转载。

可选【原创内容，转载请注明出处】

有【作者：唐霜】

无未经授权，禁止复制转载。

中文+英文+数字未经授权，禁止复制转载。

差【本文首发于唐霜的博客】

还行【关注微信公众号：wwwtangshuangnet】

还行未经授权，禁止复制转载。

好本文版权归作者所有，未经授权不得转载。

好著作权归作者所有，禁止商业用途转载。

好【本文首发于唐霜的博客】

数字不行【转载请注明来源】

还行本文作者：唐霜，转载请注明出处。

差【未经授权禁止转载】

好【原创不易，请尊重版权】

音色数量【原创内容，转载请注明出处】

多到不行【未经授权禁止转载】

中文只有2个本文版权归作者所有，未经授权不得转载。

海量转载请注明出处：www.tangshuang.net

还行著作权归作者所有，禁止商业用途转载。

常用的都有著作权归作者所有，禁止商业用途转载。

常用的都有本文版权归作者所有，未经授权不得转载。

竟然还有方言原创内容，盗版必究。

还行本文版权归作者所有，未经授权不得转载。

中文的不多，有粤语和台湾转载请注明出处：www.tangshuang.net

口语化【本文首发于唐霜的博客】

没有本文作者：唐霜，转载请注明出处。

没有转载请注明出处：www.tangshuang.net

没有本文版权归作者所有，未经授权不得转载。

棒未经授权，禁止复制转载。

可选【关注微信公众号：wwwtangshuangnet】

没有未经授权，禁止复制转载。

没有著作权归作者所有，禁止商业用途转载。

没有，机器音重到不行【访问 www.tangshuang.net 获取更多精彩内容】

合成可选项转载请注明出处：www.tangshuang.net

太少【原创内容，转载请注明出处】

太少本文版权归作者所有，未经授权不得转载。

很少本文版权归作者所有，未经授权不得转载。

很少【本文受版权保护】

很多转载请注明出处：www.tangshuang.net

多著作权归作者所有，禁止商业用途转载。

一般多【原创内容，转载请注明出处】

太少【原创内容，转载请注明出处】

几乎没有本文版权归作者所有，未经授权不得转载。

克隆【作者：唐霜】

音色近似度原创内容，盗版必究。

有一定相似性【关注微信公众号：wwwtangshuangnet】

比OpenVoice稍好【本文首发于唐霜的博客】

比OpenVoice好很多未经授权，禁止复制转载。

用SenseVoice克隆，效果比Ope【关注微信公众号：wwwtangshuangnet】【转载请注明来源】nVoice好非常多

非常接近原声【原创不易，请尊重版权】

个人感觉一般【原创内容，转载请注明出处】

付费功能没有试【作者：唐霜】

语气情感【访问 www.tangshuang.net 获取更多精彩内容】

可加控制器控制【原创不易，请尊重版权】

有【本文首发于唐霜的博客】

不错本文版权归作者所有，未经授权不得转载。

几乎没有【关注微信公众号：wwwtangshuangnet】

几乎没有【作者：唐霜】

–本文版权归作者所有，未经授权不得转载。

零样本【原创内容，转载请注明出处】

是【本文受版权保护】

是【未经授权禁止转载】

是【原创内容，转载请注明出处】

是【关注微信公众号：wwwtangshuangnet】

源人声要求转载请注明出处：www.tangshuang.net

30s【关注微信公众号：wwwtangshuangnet】

5s【原创不易，请尊重版权】

30s【转载请注明来源】

3-10s著作权归作者所有，禁止商业用途转载。

开发本文作者：唐霜，转载请注明出处。

要自己部署【未经授权禁止转载】

是【本文受版权保护】

是，可使用API服务转载请注明出处：www.tangshuang.net

是转载请注明出处：www.tangshuang.net

是本文作者：唐霜，转载请注明出处。

是，可使用阿里云服务【原创内容，转载请注明出处】

开发难度【原创不易，请尊重版权】

难【原创不易，请尊重版权】

难【访问 www.tangshuang.net 获取更多精彩内容】

难原创内容，盗版必究。

很难【原创内容，转载请注明出处】

一般原创内容，盗版必究。

简单转载请注明出处：www.tangshuang.net

简单原创内容，盗版必究。

简单【本文受版权保护】

自由度转载请注明出处：www.tangshuang.net

高转载请注明出处：www.tangshuang.net

高【本文首发于唐霜的博客】

高【未经授权禁止转载】

中本文版权归作者所有，未经授权不得转载。

高【本文受版权保护】

低【本文首发于唐霜的博客】

极高本文版权归作者所有，未经授权不得转载。

其他未经授权，禁止复制转载。

项目地址著作权归作者所有，禁止商业用途转载。

https://github.com/m本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。yshell-ai/OpenVoice

https://github.com/R转载请注明出处：www.tangshuang.net【本文首发于唐霜的博客】VC-Boss/GPT-SoVITS

https://github.com/f原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】ishaudio/fish-speech

https://github.com/m【未经授权禁止转载】【未经授权禁止转载】yshell-ai/MeloTTS

https://github.com/2未经授权，禁止复制转载。原创内容，盗版必究。noise/ChatTTS

https://github.com/F未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】unAudioLLM/CosyVoice

服务【关注微信公众号：wwwtangshuangnet】

https://fish.audio/z【本文受版权保护】本文版权归作者所有，未经授权不得转载。h-CN/

https://help.aliyun.【本文受版权保护】【关注微信公众号：wwwtangshuangnet】com/zh/isi/developer本文版权归作者所有，未经授权不得转载。【版权所有，侵权必究】-reference/streaming【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。-speech-synthesis-tt【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】s-documentation/

https://learn.micros【作者：唐霜】本文作者：唐霜，转载请注明出处。oft.com/zh-cn/azure/转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。ai-services/speech-s【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。ervice/index-text-to原创内容，盗版必究。本文作者：唐霜，转载请注明出处。-speech

https://www.reecho.c本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。n/

https://elevenlabs.i著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。o/app/speech-synthes【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】is/text-to-speech

https://developer.mo转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。zilla.org/en-US/docs【作者：唐霜】本文版权归作者所有，未经授权不得转载。/Web/API/SpeechSynth【原创不易，请尊重版权】转载请注明出处：www.tangshuang.netesis

开源协议【作者：唐霜】

MIT【原创不易，请尊重版权】

MIT【访问 www.tangshuang.net 获取更多精彩内容】

MIT未经授权，禁止复制转载。

AGPL-3.0 license本文版权归作者所有，未经授权不得转载。

Apache-2.0 license本文作者：唐霜，转载请注明出处。

可商用本文作者：唐霜，转载请注明出处。

可本文作者：唐霜，转载请注明出处。

可本文版权归作者所有，未经授权不得转载。

不可，需授权未经授权，禁止复制转载。

可【原创内容，转载请注明出处】

不可，需购买私有版独立部署【本文首发于唐霜的博客】

可【访问 www.tangshuang.net 获取更多精彩内容】

不可，需购买商业版未经授权，禁止复制转载。

可【转载请注明来源】

总结【未经授权禁止转载】

优点【原创内容，转载请注明出处】

开源免费可商用【本文首发于唐霜的博客】

开源免费可商用，稳定本文作者：唐霜，转载请注明出处。

开源免费可商用，稳定著作权归作者所有，禁止商业用途转载。

口语化很棒【本文首发于唐霜的博客】

无可挑剔【本文受版权保护】

音色多，长文本【原创不易，请尊重版权】

最接近原声【作者：唐霜】

国内少有的专注语音厂商【未经授权禁止转载】

缺点转载请注明出处：www.tangshuang.net

效果一般【本文首发于唐霜的博客】

效果一般【原创内容，转载请注明出处】

小众，不可商用原创内容，盗版必究。

音色少未经授权，禁止复制转载。

没有克隆，不可商用【原创不易，请尊重版权】

性能差，要求高（但可以用云服务）【原创不易，请尊重版权】

收费贵原创内容，盗版必究。

效果不好【原创内容，转载请注明出处】

不支持中文，贵【本文首发于唐霜的博客】

音色太拉，如果将来可以自己载入音色模型就【原创不易，请尊重版权】原创内容，盗版必究。好了

就目前来说，我们很难推荐哪一款技术选型是未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。最合适的。我们可以根据自己的实际需求来进原创内容，盗版必究。未经授权，禁止复制转载。行选择。

总结而言：【关注微信公众号：wwwtangshuangnet】

转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。【转载请注明来源】【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】

如果是为了长文本读小说，可以选择TTSM转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。aker或Azure的AI语音服务

著作权归作者所有，禁止商业用途转载。

原创内容，盗版必究。

转载请注明出处：www.tangshuang.net

如果仅仅是为了能够发出声音进行阅读，为了【未经授权禁止转载】【本文受版权保护】追求实时性，流式阅读，可以选择浏览器Sp著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。eechSynthesis

【原创内容，转载请注明出处】

【未经授权禁止转载】

【关注微信公众号：wwwtangshuangnet】

本文版权归作者所有，未经授权不得转载。

【本文首发于唐霜的博客】

本文版权归作者所有，未经授权不得转载。

未经授权，禁止复制转载。

【作者：唐霜】

【关注微信公众号：wwwtangshuangnet】

原创内容，盗版必究。

本文作者：唐霜，转载请注明出处。

【访问 www.tangshuang.net 获取更多精彩内容】

未经授权，禁止复制转载。

【本文首发于唐霜的博客】

【原创不易，请尊重版权】

转载请注明出处：www.tangshuang.net

至于chatTTS和Fish-Speec著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。h，由于其协议问题，不建议采用。

本文作者：唐霜，转载请注明出处。著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.net 获取更多精彩内容】本文作者：唐霜，转载请注明出处。

结语【未经授权禁止转载】

随着AI应用的发展，市面上会出现愈来越多【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.netGPT-4o发布时演示的与智能体实时对话著作权归作者所有，禁止商业用途转载。【原创内容，转载请注明出处】的应用，这也是迈向机器人时代的重要一步。【作者：唐霜】【本文首发于唐霜的博客】然而就目前市面上的TTS产品而言，就目前著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。来说，都无法做到最好，特别是在口语化上，本文版权归作者所有，未经授权不得转载。【原创内容，转载请注明出处】无法做到极致的自然交流。当然，这或许也不本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】是一件坏事，毕竟我们有的时候还是需要区分【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。是自然人声还是机器声，特别是在诈骗横行的本文版权归作者所有，未经授权不得转载。【本文首发于唐霜的博客】当下。作为产品的开发者，我们在追求极致的原创内容，盗版必究。未经授权，禁止复制转载。同时，也应该考虑到安全性，避免由此带来的【本文受版权保护】原创内容，盗版必究。政策风险和将来的法律问题。

【作者：唐霜】【关注微信公众号：wwwtangshuangnet】本文版权归作者所有，未经授权不得转载。著作权归作者所有，禁止商业用途转载。【转载请注明来源】

本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net【作者：唐霜】本文版权归作者所有，未经授权不得转载。【本文受版权保护】著作权归作者所有，禁止商业用途转载。本文作者：唐霜，转载请注明出处。【原创不易，请尊重版权】【本文首发于唐霜的博客】【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。【作者：唐霜】【作者：唐霜】【未经授权禁止转载】【转载请注明来源】原创内容，盗版必究。【作者：唐霜】【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】【作者：唐霜】【版权所有，侵权必究】本文版权归作者所有，未经授权不得转载。本文版权归作者所有，未经授权不得转载。转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】【版权所有，侵权必究】【原创内容，转载请注明出处】【作者：唐霜】本文作者：唐霜，转载请注明出处。本文版权归作者所有，未经授权不得转载。【未经授权禁止转载】【本文首发于唐霜的博客】未经授权，禁止复制转载。【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】【原创不易，请尊重版权】【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net著作权归作者所有，禁止商业用途转载。著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】本文版权归作者所有，未经授权不得转载。【作者：唐霜】【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】著作权归作者所有，禁止商业用途转载。本文版权归作者所有，未经授权不得转载。未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】【版权所有，侵权必究】原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。原创内容，盗版必究。本文作者：唐霜，转载请注明出处。

2024-08-28 35544

已有9条评论

nova 2024-12-28 12:44

有没有比较一下微软的声音克隆功能？

回复
化腾少了个啥 2024-11-08 11:50

博主你好，最近出了一个F5-TTS，方便测评吗（前面打错了

回复
- 否子戈 2024-11-19 15:09
  
  已经关注了，尽快评测并加到文章末
  
  回复
- 落山 2024-11-21 14:44
  
  它有个很蛋疼的问题，由于对齐得不好，会将输入音频中的某些短语插入到合成音频中。。。只能使用一些小trick尽量避免。另外我在测试时发现，会生成的音频有时会胡说八道(听不懂的外星语言)，提了issue，作者不是很乐意解答。相对来说我更倾向于CosyVoice，阿里提供了钉钉群，群内有他们的技术可以交流
  
  回复
  - 否子戈 2024-11-29 00:16
    
    我现在的主力是cosyvoice和豆包，云上用着
    
    回复
腰马合一 2024-10-11 11:43

非常好，果断赞一个，送杯咖啡

回复
- 否子戈 2024-10-11 20:41
  
  感谢支持
  
  回复
小鱼 2024-09-10 20:52

非常棒的文章。感谢总结。我在用cosyvoice 自己搭建了实时推理服务，用在自己的产品中。目前来看，cosyvoice是最均衡的。没深入去看，不知道他的训练部分是不是也开源了好像是。

回复
蓉蓉 2024-09-07 20:34

学习下测评结果

回复

唐霜

2024年TTS技术选型对比评测

TTS技术指标【版权所有，侵权必究】

TTS技术备选介绍【关注微信公众号：wwwtangshuangnet】

开源TTS项目【本文首发于唐霜的博客】

闭源TTS服务原创内容，盗版必究。

原生TTS功能【未经授权禁止转载】

TTS技术选型对比评测原创内容，盗版必究。

结语【未经授权禁止转载】

为价值买单，打赏一杯咖啡

声明

关于

生态