声音克隆
使用短参考音频，延续熟悉的音色与表达。
GPT-SoVITS · IndexTTS
VOICE STUDIO / OPEN SOURCE
代码开放，声音无限。VoiceStudio中文版 开源 AI 语音模型库
VoiceStudio中文版 专注于开源 AI 语音与本地部署，汇集 15 组语音模型，涵盖文字配音、声音克隆、多语言表达与音色设计，让不同的创作想法找到合适的声音。无论是视频解说、角色对话，还是播客与有声内容，都可以根据模型特点，探索自然的语气、丰富的情感与独特的音色。选择支持本地部署的模型，在自己的设备上处理文稿、参考录音与生成音频，从一段文字到一份声音作品，让创作更自由，也让素材与数据由自己掌握。
- 15 组语音模型
- 开源模型资源
- 支持本地部署
文字转语音
将文稿、故事与解说文字转为自然语音。
CosyVoice · F5-TTS
多语言配音
使用模型支持的语言，为不同受众创作配音。
CosyVoice · OmniVoice
描述理想的声音
用文字描述音色、年龄与风格，探索新的声音。
Qwen3-TTS · VoxCPM2
让表达更有情感
调整情绪、韵律和语速，让角色表达更丰富。
IndexTTS · pilottts
多角色对话与播客
组合不同角色的声音，创作对话与播客内容。
SoulX-Podcast · fish-speech
具体能力以模型分支和整合包版本为准。
OPEN SOURCE. LOCAL FIRST.
模型开放，创作由你掌控。
开源好模型，免费开始
发现社区开放的语音模型与整合资源，选择适合自己的配音方案。具体使用与商用范围，以各项目许可证为准。
本地运行，素材自己保管
本地推理时，文稿、参考录音和生成音频由自己的设备处理与保存，减少素材上传，让创作数据更安心。
探索语音模型.
了解模型特点，选择适合你的整合包。
01已收录整合包
Qwen3-TTS / Qwen3-TTS-Flash
语音设计与克隆
通过自然语言描述声音风格，探索语音设计与音色克隆。已收录 Qwen3-TTS 的双规格整合包。
- 语音设计
- 音色克隆
02已收录整合包
CosyVoice 3.0 / Fun-CosyVoice3
自然韵律与多语言
面向自然语音表达的 CosyVoice 系列模型，支持零样本语音合成与多语言配音，兼顾韵律与音色表现。
- 零样本合成
- 多语言
03已收录整合包
Index-TTS v2 / 2.5
可控语音与表达
从音色复刻到情感表达，探索 Index-TTS 的可控语音合成。v2 与 2.5 分别提供对应的整合包。
- 声音克隆
- 情感控制
04已收录整合包
IndexTTS v1
中文发音与节奏
IndexTTS 系列的早期版本，支持拼音纠音、停顿控制与音色克隆。当前收录的整合包实际版本为 v1.5。
- 拼音纠音
- 停顿控制
05已收录整合包
GPT-SoVITS
多版本声音克隆
以参考音频进行声音克隆，适用于角色配音与多语言内容制作。已收录多个版本，下载后请确认包内说明。
- 声音克隆
- 多语言
06待补充
fish-speech S2 Pro
多角色语音与情感控制
通过参考声音克隆音色，以自然语言标签调整情绪与韵律。支持多语言、多说话人和多轮对话生成。
- 情感控制
- 多角色对话
07已收录整合包
OmniVoice
跨语言声音表达
通过短参考音频复刻音色，探索跨语言的语音合成，让同一种声音连接更多语言与内容场景。
- 零样本克隆
- 多语言
08已收录整合包
VoxCPM2
音色克隆与多语言
以参考声音进行音色复刻，面向多语言内容的语音生成。已收录语音克隆整合包与配套教程。
- 音色克隆
- 多语言
09待补充
SoulX-Podcast
长篇播客与多轮对话
面向播客的多角色、多轮语音生成，支持声音克隆与方言表达，关注对话中的自然交流感。
- 多角色播客
- 方言表达
10已收录整合包
MegaTTS3
中英混合与口音控制
探索中英文混合语音与不同口音的表达，适用于声音克隆和多样化的内容配音。已收录 V3 整合包。
- 中英混合
- 口音控制
11已收录整合包
dots.tts
连续语音生成
采用全连续端到端架构的语音合成模型，支持零样本音色克隆。已收录 yzylauncher-win-dots.tts 下载入口。
- 端到端生成
- 音色克隆
12已收录整合包
pilottts
模块化语音与情感控制
基于语言模型的模块化语音合成系统。Base 支持声音克隆，Instruct 增加情感和副语言标签控制。
- 声音克隆
- 情感控制
13已收录整合包
F5-TTS
扩散式语音合成
基于扩散架构的语音合成模型，通过参考音频探索自然的声音表达。当前收录 V6 整合包。
- 扩散架构
- 声音克隆
14已收录整合包
ChatTTS
对话语气与情感
面向对话的语音生成，关注笑声、停顿与语气等表达细节，适合探索更有交流感的中英双语配音。
- 对话表达
- 中英双语
15已收录整合包
Spark-TTS
声音克隆与语音生成
基于统一语言模型架构的语音合成模型，支持参考音频声音克隆。已收录 Spark-TTS 整合包下载入口。
- 声音克隆
- 语音合成