语音合成：8 个工具，各自的短板都写清楚

标签「语音合成」下的人工收录条目。按场景编排，不按热度——我们没有可信的流量数据，就不假装有排名。

全部 155 个工具

• ElevenLabs elevenlabs.io · 语音 · Web / API · 需海外网络
  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。
  短板：中文情感略生硬；按字符计费，长内容很贵。
• CosyVoice github.com/FunAudioLLM/CosyVoice · 语音 · 开源自建 · 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。
• GPT-SoVITS github.com/RVC-Boss/GPT-SoVITS · 语音 · 开源自建 · 自建即离线
  用一分钟素材就能训出很像的克隆音色，中文社区的教程和整合包最全，配音复刻常用。
  短板：训练要自己备数据、调参数；生成长文本偶发破音，商用还要看素材授权。
• ChatTTS github.com/2noise/ChatTTS · 语音 · 开源自建 · 自建即离线
  面向对话场景的开源中文 TTS，语气词、停顿、笑声比较自然，做语音助手比朗读腔好听。
  短板：音色不可控，只能反复抽卡；项目维护热度已下降，新特性少。
• PyVideoTrans pyvideotrans.com · 出视频 · 桌面 · 国内直连
  把外语视频翻成中文并配字幕、合成配音，识别、翻译、TTS 三步串好，装完就能跑批量。
  短板：一个视频要连跑三种模型，慢且吃显存；字幕时间轴仍要人工校，合成语气偏平。
• VoxCPM voxcpm.com · 语音 · 开源自建 · 国内直连
  面壁开源的多语种语音合成，不需要音素分词器，几百字一段能合成比较自然的中文。
  短板：项目还新，音色和情绪的可调项少；长文本偶有断句错误，商用前要看许可条款。
• sherpa-onnx k2-fsa.github.io · 语音 · 开源自建 · 自建即离线
  端侧语音工具箱：离线 ASR、TTS、说话人分离都有，能编进 Android/iOS/桌面，不联网也能转写。
  短板：文档散在几个仓库里，模型要自己下载和转换；中文大模型效果好但体积也大，打包进去要算好。
• Dograh app.dograh.com · 语音 · 开源自建 · 需海外网络
  开源的语音 AI 平台，可自建的 Vapi / Retell 替代品：接电话、跑对话流程、记录通话都能自己控。
  短板：自建要把 STT、LLM、TTS 三家都配好，延迟调优很费劲；中文客服场景的资料几乎没有。

换个标签看：开源 · 需海外网络 · 中文优先 · 本地部署 · 免费额度 · 免费可用 · 图像生成 · 编程 Agent · 知识库问答 · 文档解析 · IDE 插件 · 批量处理 · 深度检索 · 转写 · 多模型 · 本地推理 · 文生视频 · 引用可追溯 · 表格分析 · 图生视频 · 工作流编排 · 机器人搭建 · API 网关 · 数据查询 · 终端 CLI · 多文件重构 · 长文档 · 写作办公 · 自动化 · 建站 · 设计协作 · 桌面应用 · 会议纪要 · UI 生成 · OCR 扫描件 · 学术检索 · 演示文稿 · 图生图 · 剪辑 · 编程框架 · 仓库问答 · 沙箱隔离 · 数字人 · 推理服务 · 格式转换 · 语音克隆 · 网页抓取 · 微调 ·