文字转语音并下载 MP3：在线生成教程

打开工作室里的“文字转语音”，粘贴文字、选一个声音，点“生成语音”，就能得到一个可以在页面里试听、也可以下载的 MP3 文件。中文要用 HD 档位，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。

在浏览器里使用就行，不用安装软件，电脑也不需要显卡，音频在云端生成（标准声音在我们自己的服务器上，HD 由第三方语音服务生成）。登录只支持 Google 账号，第一次登录送 20 积分。

你会得到什么

• 一个 MP3 文件：生成完直接在页面里播放，点“下载 MP3”保存到本地。
• 一条最近记录：每次生成的结果都会保存在账户的最近记录里，30 天内可以找回来再听、再下载；付费后新生成的结果保存 6 个月。
• 没有水印：生成的音频里不加任何水印。
• 先试听再选：每个声音都有一小段预览，生成前点“试听”就能听。

目前只输出 MP3 一种格式。

文字转语音下载 MP3 的步骤

1. 打开工作室，用 Google 账号登录。
2. 切到“文字转语音”。
3. 把要读的文字粘贴到“要朗读的文字”里。想先看看效果，可以点“填入示例文字”。
4. 在“声音档位”里选“标准”或“HD”。中文只能选 HD。
5. 选声音：点“试听”听预览，挑一个合适的。标准档还要在下拉框里选语言；HD 会按你输入的文字自动识别语言，还可以把语速调到 0.7× 到 1.2× 之间。
6. 看一眼“本次消耗”：页面会在生成前显示这次要扣多少积分，以及你还剩多少积分。
7. 点“生成语音”。如果前面有其他任务在排队，页面会显示前面还有几个。
8. 生成完先在页面里试听。不满意可以换个声音、改改文字（HD 还能调语速）再生成一次，每生成一次按这次的字数扣一次积分。
9. 满意了就点“下载 MP3”。

标准声音和 HD 声音怎么选

两个档位的区别在声音数量、语言、单次字数、价格，以及在哪里生成。

标准

• 23 个预设声音，支持 7 种语言：英语、法语、德语、西班牙语、意大利语、葡萄牙语、荷兰语。每个标准声音都能说这 7 种语言，在下拉框里选语言即可。
• 不会说中文。
• 单次最多 3,000 字符。
• 每 200 字符 1 积分，不足 200 字符按 200 算，每次最少 1 积分。
• 在我们自己的服务器上生成，用的是开源语音模型 Pocket TTS（Kyutai 发布，CC-BY-4.0 许可），你的文字不会发给第三方语音服务商。
• 服务器没有排队时，我们实测一段 14 秒的语音大约 6.5 秒生成完，约为实时速度的 2 倍。排队时会慢一些。

HD

• 16 个高级声音：James、Arabella、Mark、Adeline、Liam、Callum、Laura、Brian、Bella、Aria、Lucy、Emma、Edward、Finn、Hope、Sam。
• 支持 29 种语言，包括中文、英语、日语、韩语等，按文字自动识别，不用手动选。
• 语速可以在 0.7× 到 1.2× 之间调。
• 单次最多 5,000 字符。
• 每 100 字符 3 积分，不足 100 字符按 100 算。
• 由一家商业云端语音服务生成：HD 的文字会发给这家第三方语音服务商。

怎么选

• 读中文：只能用 HD。
• 读英语等 7 种欧洲语言的长稿：标准更省积分。同样 1,000 积分，标准可以生成 200,000 字符，HD 约 33,300 字符。
• 不想让文字离开我们的服务器：用标准（仅限那 7 种语言）。

还有一条读中文的路：声音克隆。它用你自己的一段录音（或已获得本人同意的录音）来读新文字，支持中文等 21 种语言，价格和标准一样是每 200 字符 1 积分，单次最多 1,000 字符。它用的是一个小模型，会模仿原声的音色，但不会和本人一模一样。

免费积分能生成多少

• 第一次用 Google 登录送 20 积分，365 天内有效。
• 20 积分可以生成 4,000 字符的标准语音，或约 660 字符的 HD 语音。
• 读中文要用 HD，所以免费积分约够 660 字符的中文；如果用声音克隆读中文，价格和标准一样，20 积分可以读 4,000 字符（单次最多 1,000 字符）。
• 不用一次用完。积分可以分多次用，每次只按这次的字数扣，但每次仍受单次上限限制。比如想用完 4,000 字符的标准语音，因为单次最多 3,000 字符，至少要分两次生成。
• 每日签到也能领积分：连续签到第 1 到第 7 天分别给 2、2、4、2、2、2、6 积分，连续 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。
• 生成失败时，积分会自动退回。
• 积分在文字转语音、声音克隆、语音转文字三个工具之间通用。

积分不够时可以买积分包（$9.90 起，1,000 积分，永不过期），或者开月付套餐（$9.90/月起，每月 1,500 积分），价格都以美元计，详见价格。套餐积分只在当月（计费月）内有效，用不完不累计到下个月。

长文本怎么转：分段生成再拼起来

标准单次最多 3,000 字符，HD 单次最多 5,000 字符。稿子更长时：

• 按段落拆开：在段落结尾或句号处断开，不要在一句话中间切，否则拼起来容易不自然。
• 先试第一段：先生成第一段听一听，确认声音和语速合适，再生成后面的，免得整篇重来白扣积分。
• 保持设置一致：每一段都用同一个声音、同一个档位，HD 也保持同样的语速，拼起来才连贯。
• 按顺序下载：下载时在文件名前加上序号，再用任何能拼接音频的软件按顺序合成一个文件。漏下载的可以去最近记录里找，但记录只保留 30 天（付费后新生成的保留 6 个月），最好生成完就下载。

常见问题

文字转语音可以免费用吗？

可以先免费试。第一次登录送的 20 积分可以生成 4,000 字符标准语音或约 660 字符 HD 语音，再加上每日签到的积分。用完后需要买积分包或开套餐。

标准声音能读中文吗？

不能。23 个标准声音只会说英语、法语、德语、西班牙语、意大利语、葡萄牙语、荷兰语。中文请用 HD，或者用声音克隆。

生成的 MP3 有水印吗？

没有。所有生成的音频都不加水印。

生成的语音可以商用吗？

可以。标准声音和 HD 声音生成的 MP3 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，音频也不带水印。如果用声音克隆，只能克隆你自己的声音，或已获得本人同意的声音。

一次最多能转多少字？

标准单次 3,000 字符，HD 单次 5,000 字符。超过的话按上面的方法分段生成。

需要下载软件吗？

不需要。在浏览器里使用就行，音频在云端生成，你的电脑不需要显卡。只要有一个 Google 账号登录。

我输入的文字会被拿去训练模型吗？

不会。我们不用你的文字训练模型。标准档的文字只在我们自己的服务器上处理；HD 的文字会发给第三方语音服务商生成。生成的音频保存在我们的云存储里、归在你的账户下，30 天后自动删除，付费后新生成的音频保存 6 个月；想提前删除，随时发邮件到 [email protected]。

不满意可以退款吗？

可以。发邮件到 [email protected]，我们会把钱退回到原来的付款方式，退的是钱，不是积分。

想把音频或视频反过来转成文字和字幕，可以看语音转文字导出 SRT 字幕。准备好了就打开工作室试一段。