23 个标准声音，开源模型
标准声音跑在我们自己的服务器上，用的是 Kyutai 开源的 Pocket TTS 模型。每个声音都能说英语、法语、德语、西班牙语、意大利语、葡萄牙语和荷兰语，单次最多 3,000 字符，每 200 字符 1 积分。我们实测：没有排队时，一段 14 秒的语音约 6.5 秒生成好。标准声音不说中文。
在线工作室
在线AI配音工作室
三个工具放在同一个页面：文字转语音把文字读成 MP3，声音克隆用你的一段录音来读新文字，语音转文字把音频或视频转成文字和 SRT 字幕。三个工具共用一个账户的积分，生成前会显示这次要扣多少。要中文配音，请在文字转语音里选 HD，或者用声音克隆——23 个标准声音只会说 7 种欧洲语言，不会说中文。
0 / 5,000
声音档位
本次消耗0 积分
第一次登录送 20 积分，365 天内有效。
结果会显示在这里
生成的 MP3 或转写出的文字会出现在这里，同时保存到你账户的最近记录里。
先试听，再选AI配音的声音
每个声音都有一段试听，点播放就能听到，满意了再生成。选之前请留意：标准声音只会说 7 种欧洲语言，不会说中文；要中文配音，请用 HD 声音，或者用声音克隆。
标准声音 · 23 个
每个标准声音都能说英语、法语、德语、西班牙语、意大利语、葡萄牙语和荷兰语，在下拉框里选语言即可；不支持中文。运行在我们自己的服务器上，每 200 字符 1 积分，单次最多 3,000 字符。
HD 声音 · 16 个，支持中文
HD 声音会根据你输入的文字自动识别语言，共 29 种，包括中文、日语、韩语、英语。语速可在 0.7× 到 1.2× 之间调。每 100 字符 3 积分，单次最多 5,000 字符。HD 的文字会发给第三方语音服务来生成。
标准声音来源：VCTK、Alba MacKenna、CML-TTS（CC-BY-4.0），Kyutai 声音捐赠、Voice-Zero、Common Voice（CC0）
AI Voice Studio 能帮你做什么
文字转语音、声音克隆、语音转文字共用一个积分余额。新账号送 20 积分，365 天内有效，三个工具都能用。下面写清楚每个工具能做什么、有什么限制、花多少积分。
用几秒录音克隆声音
上传一段音频，或直接用麦克风录，至少 3 秒清楚的说话声，系统最多取前 20 秒。每次生成都从样本现做一次克隆，不会单独训练模型；同一次使用中可以拿同一段样本反复生成。克隆的声音会模仿原声的音色和说话感觉，但和本人不会一模一样。
音频、视频转文字和字幕
上传 MP3、WAV、M4A、MP4、MOV 等文件，最大 30 MB、最长 15 分钟。语言可以自动识别，也可以手动选，中文也能转。转出的全文可以复制，也能下载 TXT，或下载带时间轴的 SRT 字幕。每分钟 1 积分，不足一分钟按一分钟算。
中文配音：HD 或声音克隆
HD 声音支持 29 种语言，声音克隆支持 21 种，两者都包括中文；语音转文字约 99 种语言，也包括中文。只有标准声音不支持中文，它只说英语、法语、德语、西班牙语、意大利语、葡萄牙语和荷兰语。
16 个 HD 声音，可调语速
HD 声音来自商用云端语音模型，会根据输入的文字自动判断语言，不用手动切换。语速可以在 0.7× 到 1.2× 之间调，适合放慢给学习者听。每 100 字符 3 积分，单次最多 5,000 字符。
文字和音频在哪里处理
标准声音、声音克隆和语音转文字都在我们自己的服务器上运行，你的声音样本不会发给任何第三方 AI 公司；只有 HD 的文字会交给第三方语音服务生成。我们不用你的上传和文字训练模型，生成的音频也不加水印。
各工具的限制和价格
| 工具 | 单次上限 | 结果 | 价格 |
|---|---|---|---|
| 文字转语音 · 标准 | 3,000 字符 | MP3 | 每 200 字符 1 积分 |
| 文字转语音 · HD（含中文） | 5,000 字符 | MP3 | 每 100 字符 3 积分 |
| 声音克隆（含中文） | 1,000 字符；样本建议 5–15 秒 | MP3 | 每 200 字符 1 积分 |
| 语音转文字 | 每个文件 30 MB、15 分钟 | 文字、TXT、SRT | 每分钟 1 积分，不足 1 分钟按 1 分钟算 |
AI配音怎么用：三步
不用装软件，打开网页、用 Google 登录就能开始。
- 1
选一个工具
在工作室里选文字转语音、声音克隆或语音转文字。中文配音选文字转语音里的 HD，或者用声音克隆。
- 2
放进文字、录音或文件
文字转语音：粘贴文字，选声音和语言。声音克隆：上传或现场录一段样本，勾选同意，再输入要读的文字。语音转文字：上传音频或视频文件。
- 3
试听，然后下载
配音和克隆的结果是 MP3，可以在页面里直接播放、下载；转写结果可以复制，或下载 TXT 和 SRT 字幕。结果会在账户的最近记录里保存 30 天（付费后新生成的保存 6 个月），想留着的记得下载。
AI配音和转写适合哪些场景
下面这些是常见用法，你可以按自己的内容组合三个工具。
视频旁白配音
给短视频、课程视频、产品演示配旁白。中文旁白用 HD 声音或你自己的克隆声音；英语、法语等欧洲语言可以用标准声音，按字符算更省积分。做完再把成片的声音转成 SRT 字幕，导进剪辑软件。
长文朗读
把文章、小说片段、讲义读成音频，通勤路上听。标准声音单次最多 3,000 字符，HD 最多 5,000 字符，长文分几段生成，下载后按顺序拼起来。
播客片头和口播
片头、片尾、节目介绍固定用同一个声音，每期听起来一致；主持人也可以用自己的一段录音做声音克隆，来读赞助口播或下期预告。
外语学习跟读
把英语、日语、法语课文读出来，听一句跟一句。HD 声音可以把语速调到 0.7×，听清每个词；转写功能也能把听力材料变成文字对照着看。
广告和社媒短片
同一段文案多换几个声音、几种语速，挑最合适的那条下载。生成的音频没有水印，可以直接用于商业投放和客户项目。
读给不方便看字的人
把通知、长消息、说明文档读出来，给视力不便、看字吃力或者更习惯用耳朵听的人；也可以把一段语音转成文字，方便听不清的人阅读。
价格与积分
三个工具共用积分。套餐每月到账积分，当月的积分只在这个计费月内有效，用不完不累计到下个月；选年付省 30%，同样每月到账、每月清零。一次性积分包永不过期。新账号送 20 积分，365 天内有效。价格为美元，通过 Stripe 用银行卡付款。生成失败的积分会自动退回。套餐随时可以在“设置 → 账单”里取消，取消后不再扣费。
Basic
$9.90/mo
偶尔配几段旁白、转写几次录音，够用。
- 每月 1,500 积分
- 可生成 300,000 字符标准语音或声音克隆
- 或约 50,000 字符 HD 语音（含中文）
- 或 1,500 分钟语音转文字
- 三个工具通用，生成的音频无水印
Pro
$19.90/mo
每周都要出视频、做节目的创作者。
- 每月 4,000 积分
- 可生成 800,000 字符标准语音或声音克隆
- 或约 133,333 字符 HD 语音（含中文）
- 或 4,000 分钟语音转文字
- 三个工具通用，生成的音频无水印
Studio
$39.90/mo
大量配音、长文朗读或批量转写。
- 每月 9,000 积分
- 可生成 1,800,000 字符标准语音或声音克隆
- 或约 300,000 字符 HD 语音（含中文）
- 或 9,000 分钟语音转文字
- 三个工具通用，生成的音频无水印
AI Voice Studio 是什么？能做哪些事？
AI Voice Studio 是一个在线AI配音工作室，打开网页就能用三个工具：文字转语音、声音克隆和语音转文字。文字转语音有 23 个标准声音和 16 个 HD 声音，结果是可以下载的 MP3；声音克隆用你上传或现场录的一段样本，把新的文字读成这个声音；语音转文字把音频或视频转成全文，可以下载 TXT 或 SRT 字幕。三个工具用同一个账户的积分。
AI配音可以免费用吗？免费积分能用多少？
可以先免费用：第一次用 Google 账号登录会送 20 积分，365 天内有效。20 积分可以生成 4,000 字符的标准语音或克隆语音，或约 660 字符的 HD 语音（含中文），或转写 20 分钟音频。每天签到还能拿积分：连续签到第 1 到第 7 天分别送 2、2、4、2、2、2、6 积分，签满 7 天共 20 积分；中间断一天就从第 1 天重新算，签到积分 30 天内有效。
怎么在线克隆自己的声音？
在工作室里切到“声音克隆”，上传一段音频或用麦克风现场录，勾选“这是我自己的声音或已获得本人同意”，再输入要读的文字、选语言，就能得到克隆声音的 MP3。样本至少要有 3 秒说话声，系统最多用前 20 秒，建议录 5–15 秒、只有一个人、没有音乐和杂音。每次最多 1,000 字符，每 200 字符 1 积分。更详细的录音技巧和排查方法，见页脚的“声音克隆指南”。
声音克隆支持中文吗？支持哪些语言？
支持中文。声音克隆一共支持 21 种语言：中文、英语、德语、西班牙语、法语、日语、意大利语、匈牙利语、韩语、俄语、波斯语、阿拉伯语、波兰语、葡萄牙语、荷兰语、捷克语、丹麦语、瑞典语、希腊语、土耳其语和希伯来语。生成前在下拉框里选好和文字一致的语言。
标准声音和 HD 声音有什么区别？哪个能说中文？
只有 HD 声音能说中文，标准声音不能。标准声音有 23 个，只说英语、法语、德语、西班牙语、意大利语、葡萄牙语、荷兰语这 7 种语言，在我们自己的服务器上用开源模型生成，每 200 字符 1 积分，单次最多 3,000 字符。HD 声音有 16 个，来自商用云端语音模型，按文字自动识别 29 种语言（包括中文、日语、韩语），语速可调 0.7×–1.2×，每 100 字符 3 积分，单次最多 5,000 字符；HD 的文字会发给第三方语音服务生成。想用自己的声音说中文，可以用声音克隆。
语音转文字能转视频吗？能导出 SRT 字幕吗？
能。语音转文字支持上传 MP3、WAV、M4A、MP4、MOV、WebM、OGG、FLAC，单个文件最大 30 MB、最长 15 分钟。语言可以自动识别，也可以手动选，支持约 99 种语言，包括中文。转完可以复制全文，下载 TXT，或下载带时间轴的 SRT 字幕。它用的是开源的 Whisper small 模型，跑在我们自己的服务器上，每分钟 1 积分，不足一分钟按一分钟算。
我的录音和文字安全吗？会被拿去训练模型吗？
不会，我们不用你的上传和文字训练任何模型。标准声音、声音克隆和语音转文字都在我们自己的服务器上运行，声音样本不会发给第三方 AI 公司；只有 HD 的文字会交给第三方语音服务生成。上传的样本、文件和生成结果存放在我们的云存储里，归在你的账户下，保存 30 天后自动删除；付费后新上传的文件和生成结果保存 6 个月。想留着的请及时下载；想提前删除，随时发邮件到 [email protected]。
生成的AI配音可以商用吗？
可以。用标准声音、HD 声音和声音克隆生成的音频都能商用，比如放进开通收益的 YouTube、TikTok 视频，或者用在广告、客户项目、付费课程和播客里。生成的音频不加水印。声音克隆的规矩不变：只能克隆你自己的声音，或已获得本人同意的声音。
不满意可以退款吗？
可以。不满意的话，发邮件到 [email protected]，我们会把款项退回你付款时用的银行卡或支付方式，退的是钱，不是积分。另外，生成失败时扣掉的积分会自动退回账户，不需要申请。套餐也可以随时在“设置 → 账单”里取消：取消后不再扣费，已经付过钱的这一期结束前套餐照常可用，已到账的积分在过期前都能用。
需要下载软件或者显卡吗？
不需要。AI Voice Studio 是网页工具，在浏览器里打开就能用，不用安装任何软件，也不需要显卡，生成都在我们的服务器上完成。登录只支持 Google 账号。声音克隆可以直接在网页里用麦克风录样本，第一次录音时浏览器会请你允许使用麦克风。