目前顶级的AI音频、声音克隆模型，这几个建议收藏备用： 1）MiniMax Speech / Audio —— 中文表现很强，支持音色克隆、长文本TTS，适… · @lksmlabc · TwKit

@lksmlabc

目前顶级的AI音频、声音克隆模型，这几个建议收藏备用： 1）MiniMax Speech / Audio —— 中文表现很强，支持音色克隆、长文本TTS，适合小说、有声书、视频配音等长音频生产。 官网：⁠https://minimax.io/audio 2）Qwen3-TTS —— 阿里通义开源TTS，主打多语言、音色克隆和语音生成，本地部署党可以重点关注。 GitHub：⁠https://github.com/QwenLM/Qwen3-TTS 3）ElevenLabs —— AI配音领域的第一梯队，自然度和情绪表现非常强，声音克隆也成熟，做有声书、剧情旁白尤其合适。 官网：⁠https://elevenlabs.io 4）Fish Audio —— 开源声音克隆热门方案，多语言、情感表现和流式生成都不错，想自己部署非常香。 GitHub：⁠https://github.com/fishaudio/fish-speech 5）Microsoft VibeVoice —— 微软的开源长音频模型，重点就是超长文本＋多人对话，TTS模型最高可生成约90分钟、支持最多4个说话人。 GitHub：⁠https://github.com/microsoft/VibeVoice 要中文选MiniMax/Qwen，追求自然度看ElevenLabs，想本地部署看Fish Audio/VibeVoice。

曝光 169 · 评论 2 · 点赞 1 · 书签 2