AI 语音合成 · F5-TTS 在线配音 - 音频工具 · 萤炬工具箱

AI 语音合成把一段文字读成人声音频，用来做短视频配音、课件旁白、播客片头或无障碍朗读。提供预置音色、风格描述与参考音频克隆三类玩法，中英文都能读。合成依赖云端 GPU 模型，文本经后端代理送到推理服务处理，返回可试听、可下载的音频，因此需要联网且排队时会等待。合成走云端 GPU，需要联网，并非本地处理。

AI 语音合成把一段文字读成人声音频，用来做短视频配音、课件旁白、播客片头或无障碍朗读。提供预置音色、风格描述与参考音频克隆三类玩法，中英文都能读。合成依赖云端 GPU 模型，文本经后端代理送到推理服务处理，返回可试听、可下载的音频，因此需要联网且排队时会等待。

使用步骤

1. 选择引擎与音色：预置角色适合直接出稿，风格描述适合调整语气，参考音频用于模仿指定声音。
2. 把要朗读的文字粘进输入框，中英混排也可以，长文本建议分段提交。
3. 点击合成，等待云端返回，页面会显示当前任务进度。
4. 在线试听，满意后下载音频文件；不满意就换音色或改断句再合成一次。

功能与限制

• 合成走云端 GPU，需要联网，并非本地处理。
• 支持中文、英文等多语言与多种音色风格，部分引擎支持参考音频克隆。
• 超长文本建议分段合成后再拼接，可用「音频拼接」工具合成一条。

常见问题

文本会上传吗？

会。语音合成需要云端 GPU 模型推理，文本会经后端转发到推理服务，不属于纯浏览器本地处理。不要提交身份证号、密码等敏感内容。

为什么有时要等很久甚至失败？

云端算力是共享排队的，模型冷启动、账号配额用尽或长文本都会拉长耗时。等待较久时先缩短文本，或稍后换个引擎重试。

合成的声音能商用吗？

取决于所选模型与音色的授权条款，不同开源模型许可不同。商用前请自行核对对应模型的许可证，尤其是克隆真人声音的用途。

参考音频要准备多长？

通常十几秒清晰、无背景音乐的干声就够。录音带混响、噪声或多人说话时，克隆出的音色会明显走形。

标点会影响朗读效果吗？

会，而且影响很大。逗号、句号决定停顿位置，长句不加标点容易一口气念完、语气发飘，适当断句比反复换音色更有效。