AI配音与声音克隆工具推荐：5款TTS按需求选

给小说、有声书或视频配音，最怕的就是一开口就是机器味。现在能做 AI 配音和声音克隆的工具不少，我挑了 5 个。先想清楚你最在意哪一点，再按下面对号入座。

中文 AI 配音：MiniMax Speech、Qwen3-TTS

中文配音可以先试 MiniMax Speech。它的中文表现很强，支持音色克隆和长文本合成，小说、有声书、视频配音这类长音频都适合。2.8 版加了原生语气标签，呼吸、笑声，还有「嗯」「呃」这种停顿都能做出来。它有网页版，打开就能试；想接进自己的项目，也有 API。

如果想在本地跑，就看阿里通义开源的 Qwen3-TTS。多语言、音色克隆、语音生成它都有，中文也是它的强项。

自然度和情绪表现：ElevenLabs

更看重自然度和情绪的话，ElevenLabs 在 AI 配音里属于第一梯队。用它做有声书和剧情旁白尤其合适，声音克隆也很成熟。音色有 17500 多种，覆盖 90 多种语言，另外还有语音智能体和 API。它有免费额度，可以先试试效果再决定。

开源声音克隆，本地部署：Fish Speech、VibeVoice

想把声音克隆放在自己机器上，Fish Speech 是很热门的开源方案，多语言、情感表现和流式生成都不错。命令行、API 服务、WebUI 三种用法都有，也能用 Docker 部署。

许可证要留意一下：代码和相关权重适用 Fish Audio 社区许可，S2-Pro 权重适用研究许可。打算商用的话，先把 LICENSE 读一遍。

如果要做超长文本或多人对话，看微软开源的 VibeVoice。它的 TTS 模型最长能生成约 90 分钟，最多支持 4 个说话人，播客、访谈这类内容正好用得上。

TTS 工具怎么选

主要做中文：MiniMax Speech，或者 Qwen3-TTS。
追求自然度和情绪：ElevenLabs。
想本地部署：做声音克隆用 Fish Speech，超长文本或多人对话用 VibeVoice。