这一轮没用微软 Edge TTS,改用现在就能免费调用的公开演示:Qwen3-TTS、IndexTTS-2.5、VoxCPM2。海螺、Fish、火山、百炼官方接口都要密钥或登录,这一轮先没跑。语速按各模型默认常速,没有再加速,也没有把偏快的样本拉慢。
汉字 189 个。时长是切掉首尾静音后的实测。Qwen 两条大约 245–251 字/分,比较接近自然主持;IndexTTS 和 VoxCPM 会更快一些。
可直接试用的模型
Qwen3-TTS-12Hz-1.7B-VoiceDesign · 声音设计:女主持
阿里通义千问 / Qwen · 生成于 2026-11-17 16:20:29 北京时间 · 46.26 秒 · 245.1 字/分
一位三十岁左右的女性中文电台主持人,音色温暖、沉稳、吐字清晰,普通话标准,语速自然中等,像在节目里讲悬疑故事,不要撒娇,不要卡通腔,不要新闻联播腔过重。
Qwen3-TTS-12Hz-1.7B-CustomVoice · Vivian
阿里通义千问 / Qwen · 生成于 2026-11-17 16:19:28 北京时间 · 45.22 秒 · 250.8 字/分
明亮略带锋芒年轻女声,母语中文,适合播报
IndexTTS-2.5 · 官方示例 voice_05(演示页中文长旁白示例)
IndexTeam / 哔哩哔哩 IndexTTS · 生成于 2026-11-17 16:18:45 北京时间 · 36.78 秒 · 308.3 字/分
空间 examples/ 自带官方示范音色,不是克隆其他博主
IndexTTS-2.5 · 官方示例 voice_03(演示页中文口播示例)
IndexTeam / 哔哩哔哩 IndexTTS · 生成于 2026-11-17 16:19:00 北京时间 · 33.25 秒 · 341.0 字/分
空间 examples/ 自带官方示范音色,不是克隆其他博主
VoxCPM2(Space: openbmb/VoxCPM-Demo) · 声音设计:男主持(无参考音频)
OpenBMB / ModelBest · 生成于 2026-11-17 16:19:17 北京时间 · 32.03 秒 · 354.1 字/分
三十多岁的男性,普通话标准,音色温和有磁性,吐字清晰,语速自然中等,像电台节目主持人在讲悬疑故事,不要夸张,不要卡通,不要播音腔过重。
VoxCPM2(Space: openbmb/VoxCPM-Demo) · 声音设计:女主持(无参考音频)
OpenBMB / ModelBest · 生成于 2026-11-17 16:18:50 北京时间 · 30.82 秒 · 367.9 字/分
三十岁左右的女性,普通话标准,音色温暖沉稳,吐字清晰,语速自然中等,像电台节目主持人在讲悬疑故事,不要撒娇,不要卡通腔,不要新闻联播腔。