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。【本文受版权保护】非常大的变化，在以前的文章中，我曾指出S转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。peech是AIGC领域非常重要的一环，本文作者：唐霜，转载请注明出处。【作者：唐霜】它将在众多AIGC领域不可或缺。TTS已【版权所有，侵权必究】【关注微信公众号：wwwtangshuangnet】经从传统的机器合成音，发展到了自然音阶段【本文受版权保护】本文版权归作者所有，未经授权不得转载。，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、情绪价值等转载请注明出处：www.tangshuang.net未经授权，禁止复制转载。重要因素。过去一段时间，我调研了GPT-著作权归作者所有，禁止商业用途转载。【版权所有，侵权必究】SoVITS, ChatTTS, Cos未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】yVoice, Fish-Speech等【版权所有】唐霜 www.tangshuang.net【本文受版权保护】项目，同时对国内大厂云上的语音合成服务进【作者：唐霜】【作者：唐霜】行了了解，顺带对国外开放了合成接口的创业【作者：唐霜】【转载请注明来源】项目进行了试用。本文将详细阐述我所接触到原创内容，盗版必究。本文作者：唐霜，转载请注明出处。的这些TTS项目，以及对它们在接入后是否本文版权归作者所有，未经授权不得转载。【本文受版权保护】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】【原创不易，请尊重版权】选型的朋友提供参考。
【原创不易，请尊重版权】【原创不易，请尊重版权】【未经授权禁止转载】TTS技术指标
在国内有一家叫做ttsmaker的网站，【原创内容，转载请注明出处】【本文受版权保护】提供了非常多且免费的语音合成音色，是我认【本文首发于唐霜的博客】原创内容，盗版必究。为国内目前最为优秀的传统TTS提供方。但原创内容，盗版必究。【原创不易，请尊重版权】可能由于其内部政策的原因，目前已关闭AP【原创不易，请尊重版权】本文作者：唐霜，转载请注明出处。I服务，因此，我们无法将它作为技术备选。未经授权，禁止复制转载。【转载请注明来源】在此，需要指出，本文要评测的，是可以作为【本文首发于唐霜的博客】【未经授权禁止转载】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】本文版权归作者所有，未经授权不得转载。的技术备选，可以是服务商提供基于acce本文版权归作者所有，未经授权不得转载。【转载请注明来源】ss_token的API，可以是类似云服原创内容，盗版必究。转载请注明出处：www.tangshuang.net务商提供的客户端SDK，也可以是开放源码【作者：唐霜】【本文受版权保护】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】【未经授权禁止转载】虽好，但作为普通开发者无法接入的（如下文【未经授权禁止转载】本文作者：唐霜，转载请注明出处。提到的Seed-TTS），不再本文考虑范本文版权归作者所有，未经授权不得转载。【作者：唐霜】围内。
未经授权，禁止复制转载。【作者：唐霜】我们进行TTS技术选型，一定是服务于我们本文作者：唐霜，转载请注明出处。原创内容，盗版必究。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。本文版权归作者所有，未经授权不得转载。从开发者角度，我认为我们要从以下指标去评著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。估对应的备选是否满足我们的需求：
转载请注明出处：www.tangshua本文作者：唐霜，转载请注明出处。【转载请注明来源】ng.net【作者：唐霜】本文版权归作者所有，未经授权不得转载。- 接入的便捷性：如果接入很麻烦，意味着后续【版权所有】唐霜 www.tangshuang.net未经授权，禁止复制转载。的维护、升级都需要付出更多的工作 【未经授权禁止转载】【原创不易，请尊重版权】
- 效果的出色度：就当下而言，合成语音越接近【版权所有，侵权必究】【本文首发于唐霜的博客】自然说话，效果越好 【本文首发于唐霜的博客】原创内容，盗版必究。
- 合成的稳定性：每次输出的效果要具有稳定性【版权所有】唐霜 www.tangshuang.net【转载请注明来源】，声音保持一致，断句、背景电流声、停顿时【转载请注明来源】转载请注明出处：www.tangshuang.net长等都符合预期 转载请注明出处：www.tangshua【作者：唐霜】【版权所有】唐霜 www.tangshuang.netng.net本文作者：唐霜，转载请注明出处。
- 成本的低廉性 【关注微信公众号：wwwtangshua原创内容，盗版必究。【原创不易，请尊重版权】ngnet】本文作者：唐霜，转载请注明出处。转载请注明出处：www.tangshua原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。ng.net
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】【版权所有，侵权必究】我会在最后的对比中，把这些细节指标列出来转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net，让读者可以一目了然。
转载请注明出处：www.tangshua【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。ng.net【原创不易，请尊重版权】转载请注明出处：www.tangshua原创内容，盗版必究。转载请注明出处：www.tangshuang.netng.net本文版权归作者所有，未经授权不得转载。音色
本文作者：唐霜，转载请注明出处。【转载请注明来源】在所有指标中，音色是最重要的指标。不同的未经授权，禁止复制转载。【关注微信公众号：wwwtangshuangnet】模型，在生成效果上，对音色的依赖度都较大【原创内容，转载请注明出处】【未经授权禁止转载】。有的甚至直接靠音色来决定生成语音的语速【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】、风格和情感。音色可能成为当下的核心话题【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。，虽然从社会学层面，克隆会带来一些伦理问原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。题，但是从技术角度，想要获得具体的应用效【原创内容，转载请注明出处】【转载请注明来源】果，在克隆上下功夫，是目前大部分团队正在【本文首发于唐霜的博客】未经授权，禁止复制转载。努力的方向。
【原创不易，请尊重版权】转载请注明出处：www.tangshua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。ng.net未经授权，禁止复制转载。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。本文版权归作者所有，未经授权不得转载。己控制情感、说话的风格（人物扮演的角色，【关注微信公众号：wwwtangshuangnet】著作权归作者所有，禁止商业用途转载。例如同一个人，可以扮演家庭主妇、职场女强著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net人、商店老板娘等等）、停顿、口头禅、情感转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】强度、音量、语速、语言、音调（低沉或尖叫【作者：唐霜】【作者：唐霜】）等。只有在技术上我们可以完全独立控制这【访问 www.tangshuang.net 获取更多精彩内容】原创内容，盗版必究。些参数，我们才能在具体的场景中获得更好的【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。体验。例如在朗读小说时，不仅要为角色分配本文版权归作者所有，未经授权不得转载。【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【本文受版权保护】【原创不易，请尊重版权】说的话进行情感、风格等的适配。当然，如果【版权所有】唐霜 www.tangshuang.net【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【原创不易，请尊重版权】【未经授权禁止转载】成朗读脚本。
转载请注明出处：www.tangshua原创内容，盗版必究。著作权归作者所有，禁止商业用途转载。ng.net【版权所有】唐霜 www.tangshu【版权所有】唐霜 www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】ang.netTTS技术备选介绍
虽然本文试图收集更多技术备选方案，但过多【本文受版权保护】转载请注明出处：www.tangshuang.net的选项反而可能带来困扰，因此，我只列出相【本文受版权保护】【作者：唐霜】对知名的一些技术选项。
【关注微信公众号：wwwtangshua【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。ngnet】【原创不易，请尊重版权】未经授权，禁止复制转载。转载请注明出处：www.tangshua本文作者：唐霜，转载请注明出处。【作者：唐霜】ng.net开源TTS项目
OpenVoice
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【本文首发于唐霜的博客】【本文受版权保护】人声的时代，它给技术界带来了新的思路。不【原创内容，转载请注明出处】未经授权，禁止复制转载。过目前来看，OpenVoice的TTS效转载请注明出处：www.tangshuang.net【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【关注微信公众号：wwwtangshuangnet】【未经授权禁止转载】然是伟大的开源项目。目前出现了了Chat【原创不易，请尊重版权】【本文首发于唐霜的博客】TTS+OpenVoice的组合，Cha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。tTTS效果出色，但是克隆很逊，因此有这转载请注明出处：www.tangshuang.net【访问 www.tangshuang.net 获取更多精彩内容】样的巧妙组合。
【本文首发于唐霜的博客】【作者：唐霜】GPT-SoVITS
【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。著作权归作者所有，禁止商业用途转载。知名的声音克隆项目，GPT-SoVITS可以克隆出音色与原声极为接近的种子，而且转载请注明出处：www.tangshuang.net转载请注明出处：www.tangshuang.net所需的声音长度很短，克隆速度快，推理速度原创内容，盗版必究。本文作者：唐霜，转载请注明出处。也快，支持中英语言。不过，虽然GPT-S【原创内容，转载请注明出处】【本文受版权保护】oVITS在克隆上能够让输出的声音与原声【版权所有】唐霜 www.tangshuang.net【版权所有，侵权必究】更像，但是在推理时的自然度不够，能够比较【访问 www.tangshuang.net 获取更多精彩内容】转载请注明出处：www.tangshuang.net容易听出是AI的合成声。
本文版权归作者所有，未经授权不得转载。【转载请注明来源】【关注微信公众号：wwwtangshua【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。ngnet】【作者：唐霜】近期，GPT-SoVITS发布了2.0版【本文受版权保护】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【关注微信公众号：wwwtangshuangnet】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【未经授权禁止转载】转载请注明出处：www.tangshuang.net而更不像原声了，但是稳定性获得了更好的保【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。证。从某种角度讲，我们不应该追求与原声的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相似，而应该追求稳定性。
【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。【访问 www.tangshuang.n著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。et 获取更多精彩内容】Fish-Speech
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】【作者：唐霜】相对冷门的TTS开源项目，Fish-Speech附属于大项目Fish Audio，Fis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。h Audio团队部分成员来自GPT-S【版权所有】唐霜 www.tangshuang.net【关注微信公众号：wwwtangshuangnet】oVITS，技术上具有一脉相承的意味。
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.tangshua【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。ng.net我在测试时，在其space demo中获【作者：唐霜】【未经授权禁止转载】得的克隆效果不佳，但在其官网克隆则可以获【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。得声音更相似的效果。
【作者：唐霜】本文版权归作者所有，未经授权不得转载。MeloTTS
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。未经授权，禁止复制转载。MeloTTS 是一个由 MyShell AI 开发的【转载请注明来源】【版权所有】唐霜 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】【未经授权禁止转载】以将文本转换成自然流畅的语音输出，并支持【作者：唐霜】转载请注明出处：www.tangshuang.net英语、西班牙语、法语、中文、日语和韩语等未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。多种语言。MeloTTS 特别支持 CP【访问 www.tangshuang.net 获取更多精彩内容】【未经授权禁止转载】U 环境下的实时语音合成，无需依赖 GP【关注微信公众号：wwwtangshuangnet】【本文受版权保护】U。
【版权所有，侵权必究】【原创不易，请尊重版权】【关注微信公众号：wwwtangshua本文版权归作者所有，未经授权不得转载。【本文受版权保护】ngnet】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。【本文受版权保护】有轻微的机器感，这在开源项目中算是非常优【关注微信公众号：wwwtangshuangnet】【原创内容，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原创内容，盗版必究。【访问 www.tangshuang.net 获取更多精彩内容】准确地识别与合成，要说缺点的话就是没有太著作权归作者所有，禁止商业用途转载。转载请注明出处：www.tangshuang.net多的 voice speaker 选项，【本文受版权保护】【关注微信公众号：wwwtangshuangnet】中文目前只找到了一个女声和一个男声。
【关注微信公众号：wwwtangshua【关注微信公众号：wwwtangshuangnet】本文作者：唐霜，转载请注明出处。ngnet】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】另外值得一提的是，OpenVoice也是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】MyShell AI的项目。
【本文受版权保护】著作权归作者所有，禁止商业用途转载。ChatTTS
著作权归作者所有，禁止商业用途转载。【转载请注明来源】ChatTTS 也是一个开源的文本转语音项目，支持中文【作者：唐霜】本文版权归作者所有，未经授权不得转载。和英文。目前来说，是开源社区最活跃的TT【本文受版权保护】【未经授权禁止转载】S项目，社区出现的ChatTTS For【访问 www.tangshuang.net 获取更多精彩内容】【版权所有】唐霜 www.tangshuang.netge项目在原项目等基础上做了很大的提升。【本文首发于唐霜的博客】【本文受版权保护】其生成的效果非常接近真实人生。
【原创内容，转载请注明出处】【原创不易，请尊重版权】【访问 www.tangshuang.n【关注微信公众号：wwwtangshuangnet】转载请注明出处：www.tangshuang.netet 获取更多精彩内容】不过，其团队出于安全和商业的考虑，开源版著作权归作者所有，禁止商业用途转载。【本文受版权保护】本的模型参数较小，且官方特意加入了噪声。
未经授权，禁止复制转载。【原创内容，转载请注明出处】CosyVoice
【访问 www.tangshuang.n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。et 获取更多精彩内容】【版权所有】唐霜 www.tangshu本文作者：唐霜，转载请注明出处。【版权所有，侵权必究】ang.netCosyVoice是阿里发布的开源模型，附属于大项目Fun本文版权归作者所有，未经授权不得转载。【作者：唐霜】AudioLLM。从官方的demo来看，【本文受版权保护】本文版权归作者所有，未经授权不得转载。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】著作权归作者所有，禁止商业用途转载。S类似，具有情感和口气。同时，其克隆效果【作者：唐霜】【本文首发于唐霜的博客】也非常出色，是目前来说，国内最完整最优秀【版权所有，侵权必究】著作权归作者所有，禁止商业用途转载。的TTS开源项目。
【关注微信公众号：wwwtangshua【关注微信公众号：wwwtangshuangnet】未经授权，禁止复制转载。ngnet】【版权所有，侵权必究】【版权所有】唐霜 www.tangshu【原创内容，转载请注明出处】【本文首发于唐霜的博客】ang.net同时，阿里云上也提供了CosyVoice【原创内容，转载请注明出处】【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【关注微信公众号：wwwtangshuangnet】【关注微信公众号：wwwtangshuangnet】分。
本文作者：唐霜，转载请注明出处。未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。闭源TTS服务
微软Azure语音合成
【未经授权禁止转载】转载请注明出处：www.tangshua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.netng.net【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。从目前所有云服务公开的情况来看，Azur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】e的语音合成是最优秀最稳定的选择，它提供【版权所有，侵权必究】原创内容，盗版必究。了非常多的配置选项，可以帮助开发者在不同【作者：唐霜】【关注微信公众号：wwwtangshuangnet】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【未经授权禁止转载】，可以白嫖其免费额度。
【本文首发于唐霜的博客】【本文受版权保护】原创内容，盗版必究。转载请注明出处：www.tangshua【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。ng.netTTSMaker
【原创内容，转载请注明出处】【版权所有，侵权必究】【版权所有，侵权必究】转载请注明出处：www.tangshua未经授权，禁止复制转载。本文作者：唐霜，转载请注明出处。ng.netTTSMaker可能是基于Azure语音【访问 www.tangshuang.net 获取更多精彩内容】【访问 www.tangshuang.net 获取更多精彩内容】合成服务进行二次开发后的产品，其效果和性【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。能非常令人惊艳。它提供了非常多的音色，也本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】提供了长文本TTS，免费额度也足够普通用本文版权归作者所有，未经授权不得转载。【转载请注明来源】户使用。它分为国内版和海外版，域名即cn著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。和com的区别，由于某些原因，com域名【访问 www.tangshuang.net 获取更多精彩内容】未经授权，禁止复制转载。不能在国内访问，而由于某些原因，cn站点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。关闭了API服务。
【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】火山引擎megaTTS
【版权所有，侵权必究】【原创不易，请尊重版权】【访问 www.tangshuang.n转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】et 获取更多精彩内容】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】【转载请注明来源】ed-TTS并没有公开提供服务，字节在火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。山引擎提供了megaTTS，我有真实体验【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net，从克隆的效果来看，非常的优秀，与豆包的【本文受版权保护】【本文受版权保护】克隆效果有的一比。不过megaTTS的收【本文受版权保护】原创内容，盗版必究。费比较贵。
【未经授权禁止转载】【关注微信公众号：wwwtangshua【本文受版权保护】【原创不易，请尊重版权】ngnet】Reecho睿声
【转载请注明来源】【原创不易，请尊重版权】转载请注明出处：www.tangshua【转载请注明来源】【版权所有】唐霜 www.tangshuang.netng.net国内较为专注语音相关的厂商，深圳的一家公【原创不易，请尊重版权】【访问 www.tangshuang.net 获取更多精彩内容】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【转载请注明来源】隆，也开放了API。我自己试了一下克隆，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。效果只能说一般，但是它提供的分角色功能我【作者：唐霜】【作者：唐霜】觉得很有特点。
本文作者：唐霜，转载请注明出处。原创内容，盗版必究。【作者：唐霜】【关注微信公众号：wwwtangshua【版权所有，侵权必究】【原创内容，转载请注明出处】ngnet】其他云语音合成
原创内容，盗版必究。【版权所有，侵权必究】【转载请注明来源】【原创内容，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未经授权，禁止复制转载。【版权所有，侵权必究】音合成服务。我没有真正体验它们的效果，但【版权所有】唐霜 www.tangshuang.net【未经授权禁止转载】是阅读了它们的开发文档，从文档来看，感觉本文作者：唐霜，转载请注明出处。【转载请注明来源】就不像是给普通开发者提供使用的。
【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。著作权归作者所有，禁止商业用途转载。【访问 www.tangshuang.n【版权所有】唐霜 www.tangshuang.net原创内容，盗版必究。et 获取更多精彩内容】ElevenLabs（仅英文）
【转载请注明来源】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。ElevenLabs是国外的一家专注做A【原创内容，转载请注明出处】未经授权，禁止复制转载。I语音相关的厂商，它的操作台一眼就能看出著作权归作者所有，禁止商业用途转载。【转载请注明来源】非常典型的国外小而美公司的特点。其TTS著作权归作者所有，禁止商业用途转载。原创内容，盗版必究。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。【未经授权禁止转载】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】著作权归作者所有，禁止商业用途转载。下这竟然是一种特色）。
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，转载请注明出处】【本文首发于唐霜的博客】它有开发API，付费为订阅制，总体而言，【关注微信公众号：wwwtangshuangnet】原创内容，盗版必究。虽然其功能很优秀，却不适合国内产品场景。
【版权所有】唐霜 www.tangshu【版权所有，侵权必究】【访问 www.tangshuang.net 获取更多精彩内容】ang.net未经授权，禁止复制转载。【访问 www.tangshuang.n转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.netet 获取更多精彩内容】原生TTS功能
浏览器自带SpeechSynthesis
【本文首发于唐霜的博客】未经授权，禁止复制转载。我们的浏览器自带了SpeechSynthesis接口，虽然这个接口是实验性的，但是其兼容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性还是非常不错的。基于该接口，我们可以直【本文首发于唐霜的博客】转载请注明出处：www.tangshuang.net接用javascript实现语音播报，特【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。别是结合一些浏览器自带的分词工具，我们可【本文首发于唐霜的博客】本文作者：唐霜，转载请注明出处。以让SpeechSynthesis实现L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。LM边思考边说话的效果。
【版权所有】唐霜 www.tangshu【作者：唐霜】【版权所有，侵权必究】ang.net未经授权，禁止复制转载。【原创不易，请尊重版权】【版权所有】唐霜 www.tangshu【原创内容，转载请注明出处】未经授权，禁止复制转载。ang.net但是它的音色会由浏览器加载对应的声音模型著作权归作者所有，禁止商业用途转载。未经授权，禁止复制转载。，而且其生成的声音距离自然的人声还是比较【版权所有，侵权必究】原创内容，盗版必究。远。
【作者：唐霜】【本文首发于唐霜的博客】TTS技术选型对比评测
作为开发者，我们最终要根据当前的业务场景【本文受版权保护】【版权所有】唐霜 www.tangshuang.net选择一项TTS技术来实现自己的功能。如果【原创不易，请尊重版权】【作者：唐霜】使用开源项目，则必须自己部署服务，并基于【版权所有，侵权必究】未经授权，禁止复制转载。服务开发业务接口，难度最大；基于云服务，本文作者：唐霜，转载请注明出处。【版权所有】唐霜 www.tangshuang.net则不需要自己部署，虽然成本更高，但是稳定本文版权归作者所有，未经授权不得转载。【作者：唐霜】性和效果有保障；基于原生TTS或第三方原未经授权，禁止复制转载。【原创内容，转载请注明出处】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。未经授权，禁止复制转载。好。
【原创不易，请尊重版权】【未经授权禁止转载】本文作者：唐霜，转载请注明出处。【本文首发于唐霜的博客】| OpenVoice | GPT-SoVITS | Fish-Speech | MeloTTS | ChatTTS | CosyVoice | 微软Azure语音合成 | TTSMaker | 火山引擎megaTTS | Reecho睿声 | ElevenLabs | 浏览器SpeechSynthesis | ||
| 合成效果 | 人声相似性 | ||||||||||||
| 稳定性 | 一般 | 不错 | 不错 | 稳定 | 忽上忽下 | 很稳定 | 稳到飞起 | 稳到飞起 | 稳到飞起 | 还行 | 稳到飞起 | ||
| 长文本 | 差 | 差 | 差 | 差 | 差 | 差 | 好 | 很好 | 差 | 差，但可以分角色 | 好的不得了 | ||
| 情感、风格 | 几乎没有 | 有一点 | 有 | 不错 | 很不错 | 很不错 | 可选 | 几乎没有 | 可选 | 有 | 无 | ||
| 中文+英文+数字 | 差 | 差 | 还行 | 还行 | 好 | 好 | 好 | 数字不行 | 还行 | 差 | 好 | ||
| 音色数量 | 多到不行 | 中文只有2个 | 海量 | 还行 | 常用的都有 | 常用的都有 | 竟然还有方言 | 还行 | 中文的不多，有粤语和台湾 | ||||
| 口语化 | 没有 | 没有 | 没有 | 没有 | 棒 | 棒 | 可选 | 没有 | 没有 | 没有 | 没有，机器音重到不行 | ||
| 合成可选项 | 太少 | 太少 | 很少 | 很少 | 很少 | 很少 | 很多 | 多 | 一般多 | 太少 | 几乎没有 | ||
| 克隆 | 音色近似度 | 有一定相似性 | 比OpenVoice稍好 | 比OpenVoice好很多 | 用SenseVoice克隆，效果比OpenVoice好非常多 | 非常接近原声 | 个人感觉一般 | 付费功能没有试 | |||||
| 语气情感 | 可加控制器控制 | 有一点点，但不多 | 有 | 不错 | 几乎没有 | 几乎没有 | – | ||||||
| 零样本 | 是 | 是 | 是 | 是 | |||||||||
| 源人声要求 | 30s | 5s | 30s | 3-10s | |||||||||
| 开发 | 要自己部署 | 是 | 是 | 是，可使用API服务 | 是 | 是 | 是，可使用阿里云服务 | ||||||
| 开发难度 | 难 | 难 | 难 | 难 | 很难 | 一般 | 一般 | 简单 | 简单 | 简单 | 简单 | 简单 | |
| 自由度 | 高 | 高 | 高 | 高 | 高 | 中 | 高 | 低 | 低 | 一般 | 极高 | ||
| 其他 | 项目地址 | https://github.com/myshell-ai/OpenVoice | https://github.com/RVC-Boss/GPT-SoVITS | https://github.com/fishaudio/fish-speech | https://github.com/myshell-ai/MeloTTS | https://github.com/2noise/ChatTTS | https://github.com/FunAudioLLM/CosyVoice | ||||||
| 服务 | https://fish.audio/zh-CN/ | https://help.aliyun.com/zh/isi/developer-reference/streaming-speech-synthesis-tts-documentation/ | https://learn.microsoft.com/zh-cn/azure/ai-services/speech-service/index-text-to-speech | https://ttsmaker.com/ | https://www.volcengine.com/docs/6561/79817 | https://www.reecho.cn/ | https://elevenlabs.io/app/speech-synthesis/text-to-speech | https://developer.mozilla.org/en-US/docs/Web/API/SpeechSynthesis | |||||
| 开源协议 | MIT | MIT | CC-BY-NC-SA 4.0 license | MIT | AGPL-3.0 license | Apache-2.0 license | |||||||
| 可商用 | 可 | 可 | 不可，需授权 | 可 | 不可，需购买私有版独立部署 | 可 | 不可，需购买商业版 | 可 | |||||
| 总结 | 优点 | 开源免费可商用 | 开源免费可商用，稳定 | 人声相似 | 开源免费可商用，稳定 | 口语化很棒 | 效果比chatTTS还ok | 无可挑剔 | 音色多，长文本 | 最接近原声 | 国内少有的专注语音厂商 | 功能多，小而美 | 浏览器自带，不要钱，无成本 |
| 缺点 | 效果一般 | 效果一般 | 小众，不可商用 | 音色少 | 没有克隆，不可商用 | 性能差，要求高（但可以用云服务） | 没有克隆，国内无法调用API | 收费贵 | 效果不好 | 不支持中文，贵 | 音色太拉，如果将来可以自己载入音色模型就好了 |
就目前来说，我们很难推荐哪一款技术选型是原创内容，盗版必究。【原创内容，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转载请注明出处：www.tangshuang.net【原创内容，转载请注明出处】行选择。
【本文受版权保护】著作权归作者所有，禁止商业用途转载。总结而言：
【原创不易，请尊重版权】【本文受版权保护】【作者：唐霜】转载请注明出处：www.tangshua未经授权，禁止复制转载。原创内容，盗版必究。ng.net- 如果是为了长文本读小说，可以选择TTSM【未经授权禁止转载】【本文首发于唐霜的博客】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。
- 如果仅仅是为了能够发出声音进行阅读，为了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】追求实时性，流式阅读，可以选择浏览器Sp本文作者：唐霜，转载请注明出处。【关注微信公众号：wwwtangshuangnet】eechSynthesis 【未经授权禁止转载】著作权归作者所有，禁止商业用途转载。
- 如果追求免费可商用自由度高，就选GPT-原创内容，盗版必究。本文作者：唐霜，转载请注明出处。SoVITS，MIT协议可以克隆，效果稳【原创内容，转载请注明出处】【访问 www.tangshuang.net 获取更多精彩内容】定，相似度虽然不够，但起码能用 【作者：唐霜】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。
- 如果追求克隆口语化，接近自然人声，就选C原创内容，盗版必究。【原创不易，请尊重版权】osyVoice阿里云服务或Azure的【本文受版权保护】【原创内容，转载请注明出处】AI语音服务 【转载请注明来源】原创内容，盗版必究。【未经授权禁止转载】
- 如果追求克隆音色相似度很高，可以尝试火山【作者：唐霜】未经授权，禁止复制转载。引擎的语音合成服务，贵就贵点 【未经授权禁止转载】【作者：唐霜】【作者：唐霜】
至于chatTTS和Fish-Speec【版权所有】唐霜 www.tangshuang.net【本文受版权保护】h，由于其协议问题，不建议采用。
【转载请注明来源】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。结语
随着AI应用的发展，市面上会出现愈来越多著作权归作者所有，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。GPT-4o发布时演示的与智能体实时对话未经授权，禁止复制转载。转载请注明出处：www.tangshuang.net的应用，这也是迈向机器人时代的重要一步。【本文受版权保护】【转载请注明来源】然而就目前市面上的TTS产品而言，就目前【未经授权禁止转载】【版权所有】唐霜 www.tangshuang.net来说，都无法做到最好，特别是在口语化上，转载请注明出处：www.tangshuang.net【版权所有】唐霜 www.tangshuang.net无法做到极致的自然交流。当然，这或许也不未经授权，禁止复制转载。原创内容，盗版必究。是一件坏事，毕竟我们有的时候还是需要区分转载请注明出处：www.tangshuang.net本文版权归作者所有，未经授权不得转载。是自然人声还是机器声，特别是在诈骗横行的【未经授权禁止转载】【作者：唐霜】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。【原创内容，转载请注明出处】同时，也应该考虑到安全性，避免由此带来的【原创内容，转载请注明出处】原创内容，盗版必究。政策风险和将来的法律问题。
【访问 www.tangshuang.n【访问 www.tangshuang.net 获取更多精彩内容】【版权所有，侵权必究】et 获取更多精彩内容】【版权所有】唐霜 www.tangshu【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。ang.net【作者：唐霜】【本文受版权保护】2024-08-28 38766
有没有比较一下微软的声音克隆功能？
博主你好，最近出了一个F5-TTS，方便测评吗（前面打错了
已经关注了，尽快评测并加到文章末
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
我现在的主力是cosyvoice和豆包，云上用着
非常好，果断赞一个，送杯咖啡
感谢支持
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。
学习下测评结果