过去半年，随着大厂的加入，TTS领域有了本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】非常大的变化，在以前的文章中，我曾指出S【原创内容，转载请注明出处】原创内容，盗版必究。peech是AIGC领域非常重要的一环，【本文受版权保护】【版权所有，侵权必究】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】【未经授权禁止转载】经从传统的机器合成音，发展到了自然音阶段原创内容，盗版必究。【版权所有】唐霜 www.tangshuang.net，当下的TTS项目，追求合成音的自然流畅原创内容，盗版必究。本文作者：唐霜，转载请注明出处。，口语化、语气、停顿、口头禅、情绪价值等【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。重要因素。过去一段时间，我调研了GPT-【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。SoVITS, ChatTTS, Cos【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.netyVoice, Fish-Speech等本文作者：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。项目，同时对国内大厂云上的语音合成服务进转载请注明出处：www.tangshuang.net【本文受版权保护】行了了解，顺带对国外开放了合成接口的创业【本文受版权保护】【版权所有，侵权必究】项目进行了试用。本文将详细阐述我所接触到【未经授权禁止转载】【原创内容，转载请注明出处】的这些TTS项目，以及对它们在接入后是否【原创内容，转载请注明出处】【本文首发于唐霜的博客】符合预期做对比评测，以为正在做TTS技术【未经授权禁止转载】【本文受版权保护】选型的朋友提供参考。

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。著作权归作者所有，禁止商业用途转载。【作者：唐霜】

TTS技术指标【作者：唐霜】

未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net【未经授权禁止转载】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

在国内有一家叫做ttsmaker的网站，未经授权，禁止复制转载。【转载请注明来源】提供了非常多且免费的语音合成音色，是我认本文作者：唐霜，转载请注明出处。【本文受版权保护】为国内目前最为优秀的传统TTS提供方。但【本文受版权保护】著作权归作者所有，禁止商业用途转载。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。【作者：唐霜】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。【版权所有】唐霜 www.tangshuang.net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。【转载请注明来源】开发者可以常规接入，作为自己的TTS后端【访问 www.tangshuang.net 获取更多精彩内容】【版权所有，侵权必究】的技术备选，可以是服务商提供基于acce【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。ss_token的API，可以是类似云服转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net务商提供的客户端SDK，也可以是开放源码【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】自己部署为本地服务的，简而言之，如果产品【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。虽好，但作为普通开发者无法接入的（如下文【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。提到的Seed-TTS），不再本文考虑范【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。围内。

【版权所有】唐霜 www.tangshuang.net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。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。

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。本文版权归作者所有，未经授权不得转载。的应用场景，而不是纯粹追求指标的全面性。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。从开发者角度，我认为我们要从以下指标去评【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。估对应的备选是否满足我们的需求：

【未经授权禁止转载】【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net

• 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】【原创不易，请尊重版权】的维护、升级都需要付出更多的工作
【版权所有，侵权必究】【转载请注明来源】原创内容，盗版必究。【作者：唐霜】本文版权归作者所有，未经授权不得转载。
• 效果的出色度：就当下而言，合成语音越接近【本文受版权保护】【版权所有】唐霜 www.tangshuang.net自然说话，效果越好
【转载请注明来源】【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。
• 合成的稳定性：每次输出的效果要具有稳定性【版权所有，侵权必究】转载请注明出处：www.tangshuang.net，声音保持一致，断句、背景电流声、停顿时【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。长等都符合预期
【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】【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。著作权归作者所有，禁止商业用途转载。
• 成本的低廉性【作者：唐霜】
【本文受版权保护】【原创内容，转载请注明出处】未经授权，禁止复制转载。

每一个方面，都会有更多的细节指标来支撑，【转载请注明来源】【未经授权禁止转载】我会在最后的对比中，把这些细节指标列出来【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。，让读者可以一目了然。

原创内容，盗版必究。【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net

音色【关注微信公众号：wwwtangshuangnet】

【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】未经授权，禁止复制转载。未经授权，禁止复制转载。

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

转载请注明出处：www.tangshuang.net【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】

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

【原创不易，请尊重版权】【原创不易，请尊重版权】【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net

TTS技术备选介绍原创内容，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】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】

虽然本文试图收集更多技术备选方案，但过多【作者：唐霜】【未经授权禁止转载】的选项反而可能带来困扰，因此，我只列出相【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】对知名的一些技术选项。

本文版权归作者所有，未经授权不得转载。【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】

开源TTS项目【未经授权禁止转载】

【关注微信公众号：wwwtangshuangnet】【本文首发于唐霜的博客】【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net

OpenVoice【作者：唐霜】

【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。

可以说，OpenVoice开创了准确克隆【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。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原创内容，盗版必究。过目前来看，OpenVoice的TTS效【原创不易，请尊重版权】【版权所有，侵权必究】果已经远远落后于后起之秀。尽管如此，它依【原创不易，请尊重版权】【版权所有】唐霜 www.tangshuang.net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。本文版权归作者所有，未经授权不得转载。TTS+OpenVoice的组合，Cha【本文受版权保护】原创内容，盗版必究。tTTS效果出色，但是克隆很逊，因此有这【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。样的巧妙组合。

【未经授权禁止转载】【本文首发于唐霜的博客】【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。

GPT-SoVITS本文版权归作者所有，未经授权不得转载。

【作者：唐霜】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【本文受版权保护】

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

未经授权，禁止复制转载。未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】【版权所有，侵权必究】【本文受版权保护】

近期，GPT-SoVITS发布了2.0版【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。本，在1.0的基础上做了多项提升。但是据原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。社区小伙伴反馈，2.0之后，克隆的声音反未经授权，禁止复制转载。著作权归作者所有，禁止商业用途转载。而更不像原声了，但是稳定性获得了更好的保【关注微信公众号：wwwtangshuangnet】【访问 www.tangshuang.net 获取更多精彩内容】证。从某种角度讲，我们不应该追求与原声的著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】相似，而应该追求稳定性。

【未经授权禁止转载】未经授权，禁止复制转载。【版权所有】唐霜 www.tangshuang.net【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。

Fish-Speech【版权所有，侵权必究】

著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】【原创内容，转载请注明出处】

相对冷门的TTS开源项目，【原创内容，转载请注明出处】Fish-Speech原创内容，盗版必究。附属于大项目Fish Audio，Fis【本文首发于唐霜的博客】【作者：唐霜】h Audio团队部分成员来自GPT-S【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。oVITS，技术上具有一脉相承的意味。

【版权所有】唐霜 www.tangshuang.net【原创内容，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，禁止复制转载。

我在测试时，在其space demo中获本文作者：唐霜，转载请注明出处。【转载请注明来源】得的克隆效果不佳，但在其官网克隆则可以获原创内容，盗版必究。本文版权归作者所有，未经授权不得转载。得声音更相似的效果。

【原创内容，转载请注明出处】【版权所有，侵权必究】转载请注明出处：www.tangshuang.net

MeloTTS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】转载请注明出处：www.tangshuang.net【转载请注明来源】原创内容，盗版必究。转载请注明出处：www.tangshuang.net

MeloTTS著作权归作者所有，禁止商业用途转载。 是一个由 MyShell AI 开发的原创内容，盗版必究。转载请注明出处：www.tangshuang.net开源、高质量、多语言的文本转语音项目，可【转载请注明来源】未经授权，禁止复制转载。以将文本转换成自然流畅的语音输出，并支持【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】英语、西班牙语、法语、中文、日语和韩语等原创内容，盗版必究。转载请注明出处：www.tangshuang.net多种语言。MeloTTS 特别支持 CP【版权所有，侵权必究】【未经授权禁止转载】U 环境下的实时语音合成，无需依赖 GP【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.netU。

【访问 www.tangshuang.net 获取更多精彩内容】【本文受版权保护】【访问 www.tangshuang.net 获取更多精彩内容】

从体验来讲，MeloTTS 的合成语音只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。有轻微的机器感，这在开源项目中算是非常优【原创内容，转载请注明出处】原创内容，盗版必究。秀。并且文本中的中文、英文和数字都几乎能【转载请注明来源】原创内容，盗版必究。准确地识别与合成，要说缺点的话就是没有太【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。多的 voice speaker 选项，转载请注明出处：www.tangshuang.net【版权所有，侵权必究】中文目前只找到了一个女声和一个男声。

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】【作者：唐霜】【原创不易，请尊重版权】

另外值得一提的是，OpenVoice也是转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。MyShell AI的项目。

【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。

ChatTTS【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。【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。【本文首发于唐霜的博客】

ChatTTS未经授权，禁止复制转载。 也是一个开源的文本转语音项目，支持中文转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】和英文。目前来说，是开源社区最活跃的TT【原创不易，请尊重版权】原创内容，盗版必究。S项目，社区出现的ChatTTS For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。ge项目在原项目等基础上做了很大的提升。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。其生成的效果非常接近真实人生。

【版权所有，侵权必究】【本文受版权保护】本文作者：唐霜，转载请注明出处。原创内容，盗版必究。

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

【原创不易，请尊重版权】未经授权，禁止复制转载。【版权所有，侵权必究】【转载请注明来源】【作者：唐霜】

CosyVoice【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。【本文受版权保护】【本文首发于唐霜的博客】

CosyVoice原创内容，盗版必究。是阿里发布的开源模型，附属于大项目Fun【转载请注明来源】【版权所有】唐霜 www.tangshuang.netAudioLLM。从官方的demo来看，【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。其效果非常接近人声，其效果与ChatTT【原创内容，转载请注明出处】【作者：唐霜】S类似，具有情感和口气。同时，其克隆效果【作者：唐霜】原创内容，盗版必究。也非常出色，是目前来说，国内最完整最优秀转载请注明出处：www.tangshuang.net【原创不易，请尊重版权】的TTS开源项目。

转载请注明出处：www.tangshuang.net【本文受版权保护】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。原创内容，盗版必究。

同时，阿里云上也提供了CosyVoice原创内容，盗版必究。【关注微信公众号：wwwtangshuangnet】的服务，因此，下方就不单独提阿里云服务部【本文首发于唐霜的博客】【本文首发于唐霜的博客】分。

【版权所有，侵权必究】【原创内容，转载请注明出处】【作者：唐霜】

闭源TTS服务【本文首发于唐霜的博客】

【本文首发于唐霜的博客】【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】

微软Azure语音合成未经授权，禁止复制转载。

【本文受版权保护】著作权归作者所有，禁止商业用途转载。【作者：唐霜】【本文受版权保护】

从目前所有云服务公开的情况来看，Azur原创内容，盗版必究。【转载请注明来源】e的语音合成是最优秀最稳定的选择，它提供本文作者：唐霜，转载请注明出处。【作者：唐霜】了非常多的配置选项，可以帮助开发者在不同【关注微信公众号：wwwtangshuangnet】【版权所有】唐霜 www.tangshuang.net场景实现自己的效果。而且，网上有很多攻略转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。，可以白嫖其免费额度。

【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。【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。

TTSMaker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】【转载请注明来源】转载请注明出处：www.tangshuang.net

TTSMaker可能是基于Azure语音【本文首发于唐霜的博客】【未经授权禁止转载】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】未经授权，禁止复制转载。能非常令人惊艳。它提供了非常多的音色，也本文版权归作者所有，未经授权不得转载。【作者：唐霜】提供了长文本TTS，免费额度也足够普通用【原创不易，请尊重版权】【本文受版权保护】户使用。它分为国内版和海外版，域名即cn【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net和com的区别，由于某些原因，com域名原创内容，盗版必究。【作者：唐霜】不能在国内访问，而由于某些原因，cn站点著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】关闭了API服务。

【关注微信公众号：wwwtangshuangnet】【原创不易，请尊重版权】【原创内容，转载请注明出处】

火山引擎megaTTS【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。【原创内容，转载请注明出处】本文版权归作者所有，未经授权不得转载。

豆包背后使用了Seed-TTS，但是Se本文作者：唐霜，转载请注明出处。【作者：唐霜】ed-TTS并没有公开提供服务，字节在火原创内容，盗版必究。未经授权，禁止复制转载。山引擎提供了megaTTS，我有真实体验【未经授权禁止转载】【转载请注明来源】，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】【关注微信公众号：wwwtangshuangnet】克隆效果有的一比。不过megaTTS的收【原创内容，转载请注明出处】【本文受版权保护】费比较贵。

【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】

Reecho睿声【作者：唐霜】

转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。未经授权，禁止复制转载。【未经授权禁止转载】

国内较为专注语音相关的厂商，深圳的一家公【本文受版权保护】【原创内容，转载请注明出处】司，提供了AI语音社区，可以实现合成和克著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。隆，也开放了API。我自己试了一下克隆，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】效果只能说一般，但是它提供的分角色功能我【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】觉得很有特点。

【版权所有，侵权必究】【本文首发于唐霜的博客】【版权所有，侵权必究】

其他云语音合成原创内容，盗版必究。

本文版权归作者所有，未经授权不得转载。【原创不易，请尊重版权】转载请注明出处：www.tangshuang.net本文作者：唐霜，转载请注明出处。

腾讯云、讯飞开放平台、有道智云都提供了语著作权归作者所有，禁止商业用途转载。【版权所有】唐霜 www.tangshuang.net音合成服务。我没有真正体验它们的效果，但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是阅读了它们的开发文档，从文档来看，感觉【版权所有，侵权必究】【本文首发于唐霜的博客】就不像是给普通开发者提供使用的。

【访问 www.tangshuang.net 获取更多精彩内容】【关注微信公众号：wwwtangshuangnet】【作者：唐霜】未经授权，禁止复制转载。

ElevenLabs（仅英文）本文作者：唐霜，转载请注明出处。

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

ElevenLabs是国外的一家专注做A本文作者：唐霜，转载请注明出处。原创内容，盗版必究。I语音相关的厂商，它的操作台一眼就能看出【作者：唐霜】【访问 www.tangshuang.net 获取更多精彩内容】非常典型的国外小而美公司的特点。其TTS【关注微信公众号：wwwtangshuangnet】【原创内容，转载请注明出处】效果非常的优秀，但是只支持英文，如果给中本文作者：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。文的话，会有非常重的外国人口音（有的情况【版权所有，侵权必究】转载请注明出处：www.tangshuang.net下这竟然是一种特色）。

未经授权，禁止复制转载。【原创内容，转载请注明出处】原创内容，盗版必究。

它有开发API，付费为订阅制，总体而言，【原创内容，转载请注明出处】【转载请注明来源】虽然其功能很优秀，却不适合国内产品场景。

【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。【版权所有，侵权必究】【版权所有】唐霜 www.tangshuang.net

原生TTS功能著作权归作者所有，禁止商业用途转载。

【作者：唐霜】【版权所有】唐霜 www.tangshuang.net转载请注明出处：www.tangshuang.net【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net

浏览器自带SpeechSynthesis

【本文受版权保护】本文版权归作者所有，未经授权不得转载。【本文受版权保护】未经授权，禁止复制转载。

我们的浏览器自带了【访问 www.tangshuang.net 获取更多精彩内容】SpeechSynthesis【版权所有，侵权必究】接口，虽然这个接口是实验性的，但是其兼容【原创内容，转载请注明出处】【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，我们可以直原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。接用javascript实现语音播报，特【未经授权禁止转载】【作者：唐霜】别是结合一些浏览器自带的分词工具，我们可【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】以让SpeechSynthesis实现L著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。LM边思考边说话的效果。

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。【访问 www.tangshuang.net 获取更多精彩内容】

但是它的音色会由浏览器加载对应的声音模型【原创内容，转载请注明出处】【原创不易，请尊重版权】，而且其生成的声音距离自然的人声还是比较未经授权，禁止复制转载。【作者：唐霜】远。

【版权所有，侵权必究】本文作者：唐霜，转载请注明出处。【未经授权禁止转载】

TTS技术选型对比评测【版权所有，侵权必究】

【转载请注明来源】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。本文版权归作者所有，未经授权不得转载。

作为开发者，我们最终要根据当前的业务场景【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】选择一项TTS技术来实现自己的功能。如果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。使用开源项目，则必须自己部署服务，并基于著作权归作者所有，禁止商业用途转载。【未经授权禁止转载】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】【本文首发于唐霜的博客】则不需要自己部署，虽然成本更高，但是稳定【原创不易，请尊重版权】【本文首发于唐霜的博客】性和效果有保障；基于原生TTS或第三方原原创内容，盗版必究。原创内容，盗版必究。生库，成本低，难度低，但是语音效果不怎么著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】好。

【原创不易，请尊重版权】本文版权归作者所有，未经授权不得转载。【访问 www.tangshuang.net 获取更多精彩内容】【本文首发于唐霜的博客】

就目前来说，我们很难推荐哪一款技术选型是【本文首发于唐霜的博客】【访问 www.tangshuang.net 获取更多精彩内容】最合适的。我们可以根据自己的实际需求来进【本文首发于唐霜的博客】【转载请注明来源】行选择。

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。【作者：唐霜】【版权所有，侵权必究】原创内容，盗版必究。

总结而言：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。本文作者：唐霜，转载请注明出处。【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。

• 如果是为了长文本读小说，可以选择TTSM【版权所有】唐霜 www.tangshuang.net【原创内容，转载请注明出处】aker或Azure的AI语音服务
【原创内容，转载请注明出处】转载请注明出处：www.tangshuang.net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。
• 如果仅仅是为了能够发出声音进行阅读，为了【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。追求实时性，流式阅读，可以选择浏览器Sp【版权所有】唐霜 www.tangshuang.net【本文受版权保护】eechSynthesis
【作者：唐霜】未经授权，禁止复制转载。未经授权，禁止复制转载。
• 如果追求免费可商用自由度高，就选GPT-【未经授权禁止转载】【本文首发于唐霜的博客】SoVITS，MIT协议可以克隆，效果稳【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。定，相似度虽然不够，但起码能用
原创内容，盗版必究。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
• 如果追求克隆口语化，接近自然人声，就选C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。osyVoice阿里云服务或Azure的本文作者：唐霜，转载请注明出处。【作者：唐霜】AI语音服务
原创内容，盗版必究。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。【原创内容，转载请注明出处】本文作者：唐霜，转载请注明出处。
• 如果追求克隆音色相似度很高，可以尝试火山未经授权，禁止复制转载。【未经授权禁止转载】引擎的语音合成服务，贵就贵点
【版权所有】唐霜 www.tangshuang.net【版权所有】唐霜 www.tangshuang.net本文作者：唐霜，转载请注明出处。【本文受版权保护】

至于chatTTS和Fish-Speec【本文首发于唐霜的博客】【未经授权禁止转载】h，由于其协议问题，不建议采用。

【本文受版权保护】【版权所有，侵权必究】转载请注明出处：www.tangshuang.net【版权所有，侵权必究】

结语【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。未经授权，禁止复制转载。【访问 www.tangshuang.net 获取更多精彩内容】【转载请注明来源】

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

【本文受版权保护】【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。【版权所有】唐霜 www.tangshuang.net

2024-08-28 35535