免费软件专题
免费文字转语音（TTS）工具
文字转语音这块的免费方案长期卡在一个两难里：听感好的都是云端 API，按字符计费，你要念的每一段文本都得先传给别人；能离线的那批音色机械到只适合无障碍朗读。2023 年之后本地神经网络 TTS 把这条线往上抬了一截，小到能在树莓派上实时出声的模型已经接近商业服务的听感。这份清单按「音色自然度」和「体积 / 语言覆盖」两个方向分，三款都不收钱、不要账号、推理全在本机。
3 个精选推荐
怎么挑
- 合成在本机完成，文本不上传到任何服务器。
- 不按字符或时长计费，不限合成次数。
- 不需要注册账号或申请 API Key。
- 模型协议和语言覆盖逐款标注。
推荐工具
常见问题
- 要听起来自然，选哪个？
- Piper。模型是 VITS 架构训练的，听感接近商业 TTS，模型文件一个几十 MB，下载一次之后断网可用。三十多种语言，中英文各有多个音色。它是 Home Assistant 的默认本地语音方案，目录里那套家庭自动化可以直接接上。
- eSpeak NG 音色那么机械，为什么还收？
- 因为它解决的是另一个问题。整个程序几 MB，覆盖一百多种语言和口音，在极低配置的设备上都能跑，延迟几乎为零。屏幕阅读器、嵌入式设备、给一百种语言做发音提示这些场景，它是现实的选择而 Piper 不是。很多屏幕阅读器底层用的就是它。
- LocalAI 在这个清单里做什么？
- 它把本机的语音合成包装成 OpenAI 兼容的接口。已有程序在调云端 TTS API 的话，改一行 base_url 就切到本机，业务代码不用动。文本生成、转写、图像生成也在同一个服务里，做完全离线的应用时能少拼几个服务。
- 为什么没有更多选择？
- 这个品类满足硬性标准的确实不多。听感最好的几个开源模型要么仓库已经停更，要么只是模型权重而没有能直接用的程序，要么免费额度背后要登录账号。收录标准不因为品类稀缺而放宽。