Piper 语音合成 · 纯 CPU 快速文字转语音 · 萤炬工具箱

Piper 是一套跑在 CPU 上的轻量语音合成引擎，特点是没有显卡排队和模型冷启动，点下去几秒就出声。内置华颜中文女声、Lessac 英文女声、Ryan 英文男声、Alan 英式男声四个固定音色，单次最多 2000 字，语速 0.3 到 2.0 倍连续可调，结果是 WAV。适合旁白、提示音、口播底稿这类要量大、要快…

Piper 是一套跑在 CPU 上的轻量语音合成引擎，特点是没有显卡排队和模型冷启动，点下去几秒就出声。内置华颜中文女声、Lessac 英文女声、Ryan 英文男声、Alan 英式男声四个固定音色，单次最多 2000 字，语速 0.3 到 2.0 倍连续可调，结果是 WAV。适合旁白、提示音、口播底稿这类要量大、要快、不挑音色表现力的活。

使用步骤

1. 把文稿粘进输入框，注意 2000 字上限，超了先切成几段分别合成。
2. 按文稿语言挑音色：中文稿选华颜，英文稿选 Lessac / Ryan / Alan，别指望一个音色兼顾两种语言。
3. 拖语速滑块定节奏，口播稿常用 1.0 到 1.2，教学讲解可以压到 0.9。
4. 点生成语音，试听后下载 WAV；不满意就改标点断句，或换个音色再来一次。

功能与限制

• 合成在后端服务完成，纯 CPU 推理，不占 GPU、无冷启动排队，但需要联网。
• 固定四个音色：中文女声、英文女声、英文男声、英式男声；不支持声音克隆与音色设计。
• 单次最多 2000 字，语速 0.3–2.0 倍，输出 WAV。

常见问题

Piper 和这里的其他语音合成有什么区别？

Piper 追求快和稳：纯 CPU 推理、不排队、音色固定四个，胜在响应快、结果可预期。要情绪风格、方言或者克隆某个人的声音，得用「AI 语音合成」或「VoxCPM2 语音合成」，那两个跑 GPU，效果更强但要等冷启动。

能克隆我自己的声音吗？

不能。Piper 用的是预先训练好的固定音色，不接受参考音频，也没有音色设计。要克隆声线请用「VoxCPM2 语音合成」或「AI 语音合成」的克隆模式。

中英文混排的稿子怎么处理？

选中文音色时英文单词会按中文音素硬读，选英文音色时中文会直接读崩。混排比例小可以把外语词改写成中文近似音；比例大就拆成两段，分别用对应音色合成，再用「音频拼接」接起来。

文字会上传吗？

会。合成在后端服务完成，文字经接口发到服务端，不是浏览器本地推理。别提交身份证号、密码这类敏感内容。

为什么长文本还是要等一会儿？

纯 CPU 推理的耗时基本和字数成正比，没有 GPU 那种并行加速。2000 字满额时等几十秒是正常的，想更快就切短分批提交。