AI 语音合成 - AI 工具 · 萤炬工具箱

把文字读成语音。内置两条路线：一条是多语言预置音色，直接挑角色与说话风格（开心轻快、严肃沉稳、新闻播报、轻声耳语等）即可出声；另一条是上传一段参考音频，让合成结果贴近这段音色。适合给视频配旁白、做有声内容、给无障碍阅读补语音，或听一遍自己写的稿子找拗口的地方。语音合成在服务端 GPU 上完成，文本与参考音频需要上传。

把文字读成语音。内置两条路线：一条是多语言预置音色，直接挑角色与说话风格（开心轻快、严肃沉稳、新闻播报、轻声耳语等）即可出声；另一条是上传一段参考音频，让合成结果贴近这段音色。适合给视频配旁白、做有声内容、给无障碍阅读补语音，或听一遍自己写的稿子找拗口的地方。

使用步骤

1. 粘贴或输入要朗读的文字，长文建议按段落分批合成。
2. 选择合成方式：用预置音色，或上传参考音频做音色贴合。
3. 挑选说话风格与语速等参数，先合成一小段试听。
4. 确认效果后合成完整内容并下载音频。

功能与限制

• 语音合成在服务端 GPU 上完成，文本与参考音频需要上传。
• 中文多音字与专有名词可能读错，重要内容建议先试听校对。
• 高峰期请求可能排队，长文本分段合成更可靠。

常见问题

预置音色和参考音频两种方式该选哪个？

要稳定、要快就用预置音色，风格标签直接可控。想贴近某个特定音色再用参考音频，但对参考录音的干净程度要求较高。

参考音频有什么要求？

尽量单人、无背景音乐、无明显混响，语速自然的几秒到十几秒清晰录音就够。带噪声或多人重叠的片段会让合成音色发飘。

数字、英文缩写读错怎么办？

把它改写成期望的读法再合成，例如「2024」写成「二零二四」、「AI」写成「A I」。这比反复重试更省事。

一次能合成多长的文本？

单次请求越长越容易超时或出现语调漂移，建议按自然段拆开合成后自行拼接，也便于只重做念错的那一段。