挑 AI 配音和声音克隆工具挑花眼？我把当下最能打的 5 个过了一遍，先存着准没错。
中文这块 MiniMax Speech / Audio 是真扛打，音色克隆、长文本 TTS 都吃得下，小说、有声书、短视频口播都对路：https://www.minimax.io/audio
阿里通义的 Qwen3-TTS 走开源路线，多语言、克隆都罩得住，最大好处是能自己部署：https://github.com/QwenLM/Qwen3-TTS
想追第一梯队就看 ElevenLabs，自然度、情绪、语气都相当能打，剧情旁白和有声书尤其舒服：https://elevenlabs.io
开源克隆里 Fish Audio / Fish Speech 是热门选手，多语言、情感表达、流式生成都拿得出手，本地部署党重点盯：https://github.com/fishaudio/fish-speech
微软的 Microsoft VibeVoice 专攻超长文本加多人对话，播客、访谈这类场景特别合适：https://github.com/microsoft/VibeVoice
怎么选？中文场景先看 MiniMax / Qwen，要真人那股劲儿找 ElevenLabs，想白嫖本地部署就琢磨 Fish Speech / VibeVoice。
不过 AI 声音如今越来越难辨真假，克隆真人声音前，授权这步别忘了先拿到。
正文完