文字转语音

AI 文字转语音：20 种语言、17 种内置音色，声音自然，支持长文本，免费无限次。

0 / 10000

上传 3-10 秒清晰人声即可克隆该音色；不传则使用下方内置音色

AI 文字转语音的原理

本工具采用「音频分词器 + 语言模型」架构的开源语音生成技术：系统先把文本编码为语义序列，再逐帧生成对应的语音编码，最后由音频分词器解码为高保真双声道波形。合成在纯 CPU 上即可实时完成，无需 GPU。支持 20 种语言的自动识别，长文本按语义自动分句合成后无缝拼接，保证整段语音音色一致、节奏自然。

语音克隆

上传 3-10 秒的清晰人声样本（单人、无背景音乐效果最佳），模型会提取该声音的音色特征，用同样的音色朗读你输入的任意文本。克隆仅用于本次任务，参考音频与结果均在 24 小时内自动删除，不会用于训练或留存。请仅克隆你本人或已获授权的声音。

常见问题

这个工具免费吗？

完全免费，无需注册，没有次数限制。

支持哪些语言？

支持 20 种语言：中、英、德、西、法、日、意、匈、韩、俄、波斯、阿拉伯、波兰、葡、捷克、丹麦、瑞典、希腊、土耳其等，自动识别文本语言。

有哪些音色？

内置 17 种音色：中文 6 种（3 男 3 女）、英文 4 种、日文 7 种。也可上传 3-10 秒参考音频克隆自己的声音。

支持多长的文本？

单次最多 1 万字，长文本自动分句合成并拼接，保持音色一致。

处理需要多久？

通常 10-60 秒，取决于文本长度与服务器负载。

我的文件会被保存吗？

不会长期保存。输入文本、参考音色与结果在 24 小时内自动删除。

生成的声音能商用吗？

输出音频可用于个人与商业用途；克隆他人声音前请获得本人授权。