兄弟们，眼下顶级的 AI 配音 / 声音克隆模型，这 5 个建议先存下来。
1️⃣ MiniMax Speech / Audio
中文是真能打，音色克隆、长文本 TTS 都撑得住，做小说、有声书、短视频口播很合适。
🔗 https://www.minimax.io/audio
2️⃣ Qwen3-TTS
阿里通义的开源方案，多语言、声音克隆都支持，关键是能自己部署。
🔗 https://github.com/QwenLM/Qwen3-TTS
3️⃣ ElevenLabs
目前 AI 配音第一梯队，自然度、情绪、语气都很顶，做剧情旁白和有声书尤其舒服。
🔗 https://elevenlabs.io/
4️⃣ Fish Audio / Fish Speech
开源声音克隆里的热门选手，多语言、情感表达、流式生成都不错，本地部署党重点看。
🔗 https://github.com/fishaudio/fish-speech
5️⃣ Microsoft VibeVoice
微软开源的长音频模型，主打超长文本加多人对，很适合播客、访谈这类场景。
🔗 https://github.com/microsoft/VibeVoice
中文优先 MiniMax / Qwen，追求真人感看 ElevenLabs，想白嫖本地部署就重点研究 Fish Speech / VibeVoice。
如今 AI 声音已经越来越难辨真假了，克隆真人声音记得先拿授权。

AI探索 | Hermes/OpenClaw｜优质资源｜优质信息