CosyVoice

github.com/FunAudioLLM/CosyVoice · 语音 · 开源自建 · 开源免费 · 自建即离线

阿里开源的多语言语音合成，几秒参考音频就能克隆音色，中文韵律比多数开源 TTS 自然。

短板：要显卡；克隆效果高度依赖参考音频质量，情绪和语速控制仍然有限。

这个站点还没有截图：抓取时被拦截或页面没渲染出来，所以这里不放图——不放空的图框，也不放别人的截图。

访问站点 ↗

语音合成语音克隆开源本地部署

同样用来「语音」的其它选择

• Whisper — 语音转文字的事实标准，中文识别准，本地跑不联网，做会议和访谈转写先看它。
• faster-whisper — Whisper 的高效实现：同精度下快数倍、显存占用更低，批量转写的实际选择。
• ElevenLabs — 最像人的语音合成，多语言配音和声音克隆质量在第一档，做有声内容直接可用。

← 全部 155 个工具 · 自建选型矩阵 · 痛点专题