Text To Speech

5小时前发布 1 0 0

把文字转成语音的在线工具，可选多种发音人与情感风格，支持插入停顿并导出字幕文件。

所在地：

中国

语言：

中文、英文

收录时间：

2026-09-17

打开网站手机查看反馈/举报

用户投票：值得一试0 有待优化0

AI配音合成 # AI配音 # SSML语音合成 # 多音色朗读 # 字幕生成 # 文字转语音 # 视频配音工具

Text To Speech

打开网站

价格免费周期额度会员订阅制

平台网页版小程序

适用办公通用学生教师自媒体创作属性免注册好上手

Text To Speech详细介绍

Text To Speech 是个把文字变语音的在线站点，不用注册就能直接用，界面很朴素：一个输入框加右侧一排参数。官方说明可选语音覆盖一百多种语言与变体，中文侧按男声女声、老年中年青年与儿童做过标注，还专门收录了河南、陕西、山东、四川几种口音，做方言配音比到处找素材省事。

参数给得比一般免费工具细。音质分七档，从十六千赫兹三十二千比特的 MP3 到四十八千赫兹无损 WAV 都有；语速与音调可以微调，音量与情感强度各分四档，句间歇可设十一种停顿长度；发音人还支持模仿与感情两组预设，官方建议感情功能用晓墨、模仿功能用晓晓。SSML 富文本编辑器是独立页面，要精细控制重音与连读的人可以直接写标记。

配套工具里字幕比较实用。在线生成字幕页说明仍在测试阶段、免费使用，但订阅站那边写的是不要为了这个功能专门开会员，因为服务有随时调整的可能；字幕文件只能在生成音频并选择 MP3 格式时才可下载，识别文件要求小于两小时且不超过两百兆。另有听录翻译与敏感词检查两个小工具，命中词库的内容会被禁止生成音频。

有两个使用前提必须知道。免费额度按天计算、次日重置，主站页面显示的每日上限是两千字，订阅站说明里写的是三千字，两个口径不一致，用之前看页面上的实时提示更准；生成需要输入验证码，单 IP 并发限制为三条。站内明确禁止抓包调用接口，官方没有开放 API，想批量处理只能走会员站的批量功能。历史上免费额度被反复下调过，遇到排队或者维护多半是上游账号被风控，官方公告里也承认过这个问题。

Text To Speech的核心功能

多语言多音色：语音库覆盖上百种语言与变体，中文侧按性别与年龄层标注并含多种方言口音，做方言配音或者多语种内容时不必另找音源。
音质档位与格式导出：音质分七档，压缩格式覆盖十六千赫兹三十二千比特到四十八千赫兹一百九十二千比特，无损格式提供十六、二十四、四十八千赫兹的单声道 WAV。
情感与模仿预设：发音人带感情与模仿两组选项，感情项覆盖新闻播报、温柔亲切、兴奋推广等二十多种风格，模仿项可按年龄与性别模拟音色。
停顿与多音字处理：句间歇可设十一种长度，从二十毫秒到五秒不等；输入区提供多音字、停顿与连读三个插入按钮，能在光标处修正读法。
SSML 富文本编辑器：独立页面支持用标记语言精细控制韵律与停顿，适合对播报节奏有明确要求的内容，例如课程音频与有声书。
在线字幕生成：上传音频后可生成 SRT 字幕，需在生成 MP3 格式的前提下才能下载，上传文件要求小于两小时且不超过两百兆。
敏感词检查：单独的词库检查工具会在生成前拦截命中词库的内容，避免音频做好之后才发现违规需要重做。
批量与增值功能：订阅端支持多文件同时提交、单个文件最高十万字，可自动生成字幕，并提供把音频与图片合成视频的导出方式。

Text To Speech的价格详情

免费权益：

主站无需注册即可使用，免费字数按天计算并在次日重置，页面显示的每日上限为两千字，订阅站说明为三千字，两个口径不一致，以打开时页面上的实时提示为准。生成需要输入验证码，单 IP 并发上限三条。价格可能随官方调整。

收费模式：

主站采用授权链接方式，官网未公开价目表，需要联系站长购买，授权后生成字数不受限但只能本人使用，多 IP 共用会封号。订阅站按积分计价，体验会员 2 积分、终身会员 99 积分，对应每日十万字到一百万字额度，并含无限次批量生成与字幕识别，积分与人民币的换算比例官网未公开，具体金额以站内结算页为准。

Text To Speech的应用场景

短视频配音：剪好画面后把口播稿粘进来生成配音，选合适的音色与语速，导出 MP3 直接拖进剪辑软件对齐画面。
有声内容制作：把长文分段生成音频，用 SSML 控制停顿与重音，做成适合连续收听的版本。
课件与听力材料：老师把课文或听力稿生成音频发给学生，同时导出字幕文件方便对照学习。
方言内容创作：做地方特色内容时选河南、陕西、山东、四川等口音，比找人录制成本低很多。
播报类音频制作：通知、开场白与活动播报这类需要固定语气的内容，用新闻播报或者专业客观的情感风格一次生成。
字幕文件提取：已有音频需要配字幕时用在线字幕工具生成 SRT，再人工校对一遍，比从零听写快。

Text To Speech的适用人群

自媒体创作：视频需要大量口播与旁白，用不同音色区分内容板块，生成后直接进剪辑流程，省掉自己录音的反复返工。
教师：课件、听力材料与朗读示范都能用文字生成，语速与停顿可以调慢，适合语言类与低龄段教学。
学生：做课程展示或者外语朗读练习时把文稿转成语音，用于跟读与听力训练，不需要额外设备。
办公通用：会议通知、培训材料与内部播报需要配音时直接生成音频，比临时找人录制灵活，成本也更低。

同类工具对比

对比维度	Text To Speech（本工具）	微软Azure语音服务	讯飞配音	声匣配音	剪映
定位	免注册的在线文字转语音与字幕生成工具	云厂商提供的语音合成底层服务	国内厂商的在线配音平台	轻量级在线配音工具	集成在视频剪辑流程里的配音功能
核心优势	打开网页就能用，音质、语速、音调、音量、情感强度与句间歇都可以单独调，另提供 SSML 编辑器与在线字幕生成，中文方言口音覆盖比较全	音色库规模大、语言覆盖广，支持神经语音与细粒度 SSML 控制，稳定性和并发能力面向生产环境，可与企业自有系统对接	中文音色自然度高，主播与方言音色丰富，支持多角色对话式配音，商用授权与发票流程规范	语速、音调与音量各设七档，生成音频的同时返回字幕文件，页面简洁、出活快	与时间轴直接绑定，改文案就能重新生成并自动对齐画面，音色选择覆盖多种风格，移动端与桌面端都能用
主要短板	免费额度按天计算且上限有过反复调整，主站与订阅站的字数口径不一致；生成需要验证码且并发受限；官方不提供 API，明确禁止抓包调用；依赖上游语音服务，遇到风控会提示维护	面向开发者，需要注册云账号、配置密钥并按量计费，没有现成的网页操作界面，中文资料以文档为主	免费额度较少，长文本需按字数付费，部分特色音色需开通会员，界面功能多、上手需要一点时间	音色数量与情感控制不如大型平台，长文本处理能力有限，高级功能需付费	离开剪辑场景就不好用，导出独立音频文件不方便，部分音色需会员，精细的停顿与重音控制不如专业工具
价格	主站每日有免费字数额度，超出或需要批量能力需购买授权或开通会员，具体金额以站内结算页为准	按调用量计费，具体档位以云厂商官网为准	官网未公开具体价格	官网未公开具体价格	基础功能随应用提供，会员档位以应用内显示为准
适合谁	适合个人创作者与教师做中小量的配音与字幕，不适合需要稳定高并发调用的生产系统	适合有开发能力、要把语音合成做进自有产品的团队	适合对中文自然度要求高、需要商用授权的专业配音场景	适合需要快速出配音加字幕、对音色要求不高的短视频创作者	适合在剪辑里顺手配音、不需要单独音频文件的使用者