Audio8 TTS

此工具页面暂无翻译版本，下方为英文版。 使用英文版

Your text

0 / 500
Model not loaded on this device yet.

Speech model

Audio8 TTS Preview Runs on your device

Open-source 0.6B DualAR model with 44.1 kHz output. Generation happens locally; your text never leaves this page.

Audio8 follows the written text; it has no hidden language-ID input. This selection sets writing guidance and accessibility metadata.

0.7

Lower values sound steadier, higher ones add variation. 0.7 matches the official default.

Model weights: Audio8/Audio8-TTS-Preview-0.6B-ONNX-INT4, Apache 2.0. Weights stream from the Hugging Face CDN straight into your browser cache.
The quick answer

Audio8 TTS 是一个开源的 0.6B 语音模型，支持 11 种推荐语言，输出 44.1 kHz 音频。本页面会缓存约 572 MiB 的模型文件，优先尝试原生 WebGPU，不可用时改用多线程 CPU。你的文本和生成的音频都保留在你的设备上。

四个步骤

如何在浏览器中使用 Audio8 TTS

  1. 01

    在电脑上打开此页面

    工具直接在浏览器中加载。无需账号、无需安装、无需 API 密钥。手机和平板请跳过此步，该模型需要 PC 或 Mac 硬件支持。

  2. 02

    首次下载模型权重

    首次点击“生成”时，会从 Hugging Face CDN 下载约 572 MiB 的 INT4 模型文件。浏览器会缓存这些文件，后续访问无需重新下载。

  3. 03

    选择语言和声音

    从 11 种推荐语言中选择一种。Audio8 依据文本本身而不是语言代码工作，所以请粘贴你想听的那种语言的文本。

  4. 04

    试听并下载

    等待最终平滑结果，或启用可选的实时预览以获取临时片段。在浏览器内保存无损 44.1 kHz WAV 文件或转换为 MP3。

Best practices

从 Audio8 预览中获得优质输出

一些小习惯能将演示级片段提升为可发布质量。对于自回归模型，以下六点最为关键。

  • 01

    熟悉模型时保持请求简短

    上游运行时建议每次约 150 字符以获得最佳质量。逐句生成，然后将 WAV 文件拼接用于较长脚本。

  • 02

    按期望的朗读方式添加标点

    逗号带来短停顿，句号带来长停顿，省略号带来悬停。DualAR 模型将这些视为表达提示，因此平淡的语句往往只需加个逗号。

  • 03

    若样本漂移则降低创造性

    创造性滑块设置采样温度。0.7 是官方默认平衡值。若长词颤音或音节重复，请调至 0.5 并重新生成。

  • 04

    语言要对，生僻词要拼对

    缩写词加点更好读，比如 N.A.S.A.。生僻名字建议按发音拼写。先单独测试难词，修正拼写，再跑整段文本。

  • 05

    Chrome 或 Edge 可用 GPU

    当前 Chrome 和 Edge 已测试支持原生 WebGPU 及 FP16。若三项模型探测未通过，工具会自动切换至多线程 WebAssembly CPU 后端。

  • 06

    先存 WAV，稍后转换

    WAV 保留完整 44.1 kHz 信号，适合编辑器和 DAW。只有当文件大小比音质余量更重要时，才选 MP3。

Honest comparison

Audio8 TTS 对比 Kokoro

本站其他部分使用 Kokoro，以下是内部诚实对比：各自优势在哪，为何两者都值得保留。

运行环境

FreeTextoSpeech

兼容 Chrome/Edge 设备原生 WebGPU，支持多线程 CPU/WebAssembly 回退。

Kokoro（主工具）

也是浏览器引擎，下载体积轻约 300 MB。

输出质量

FreeTextoSpeech

44.1 kHz 神经编解码输出，韵律表现力强。

Kokoro（主工具）

24 kHz 输出，同体积下叙述非常自然。

语言覆盖

FreeTextoSpeech

11 种语言，含韩语、德语、荷兰语、波兰语和粤语。

Kokoro（主工具）

9 种语言，侧重英语、欧洲语言、印地语、日语、普通话和葡萄牙语。

典型笔记本速度

FreeTextoSpeech

较重：AR 模型生成约 21.5 帧/秒音频。

Kokoro（主工具）

快得多，多数机器接近实时。

首次使用下载

FreeTextoSpeech

约 572 MiB，另可选 396 MiB 语音编码器。

Kokoro（主工具）

全精度下数百 MB。

成熟度

FreeTextoSpeech

预览版，方言覆盖有限。

Kokoro（主工具）

我们全站使用的稳定 v1.0 模型。

两款模型均为 Apache 2.0 开源。数据对应当前公开版本：Audio8-TTS-Preview-0.6b 和 Kokoro-82M-v1.0。

FAQ

Frequently asked questions

01

什么是 Audio8 TTS？

Audio8 TTS 是 Audio8 团队推出的开源文本转语音模型系列。当前预览版 Audio8-TTS-Preview-0.6b 在受 Fish Audio S2 Pro 启发的 DualAR 架构中包含 6.01 亿个参数。它支持 11 种语言，代码和权重均以 Apache 2.0 许可发布。
02

Audio8-TTS-Preview-0.6b 免费吗？

是的。该模型采用 Apache 2.0 协议，允许免费商用且无需支付版税。此页面在您的设备上运行，因此也没有我们的使用配额限制。请查阅官方仓库中的 NOTICE 文件以获取署名详情。
03

我的文本会被上传吗？

不会。生成过程通过 WebGPU 或 WebAssembly 在你的浏览器中完成。Audio8 引擎会从 Hugging Face 和 jsDelivr 的 CDN 获取运行时和模型文件。你的文本和生成的音频永远不会到达我们的服务器；网站仍可能发送不含这些内容的常规使用统计。
04

为什么首次生成很慢？

原因有二。首先，浏览器需一次性下载约 572 MiB 的合成文件。其次，该自回归模型每处理一帧音频需执行一次 Slow AR 调用和十次 Fast AR 调用。兼容的 Chrome 和 Edge 设备会尝试原生 WebGPU；其他系统则使用多线程 CPU 回退方案。
05

Audio8 TTS 支持哪些语言？

预览版支持 11 种语言：英语、西班牙语、法语、德语、意大利语、荷兰语、波兰语、日语、韩语、中文和粤语。团队表示，更广泛的多语言覆盖和中文方言支持计划在后续版本中推出。
06

Audio8 和 Kokoro，我该用哪个？

如果您追求快速生成、54 个现成音色、电话支持及经过验证的稳定性，请使用我们的主力工具 Kokoro。如果您想尝试最新的开源模型、需要 44.1 kHz 输出，或处理德语、韩语、荷兰语、波兰语或粤语，请选择 Audio8。许多人会同时收藏两者。
07

支持离线使用吗？

模型权重和声音配置文件会缓存在本地，因此重复生成时无需重新下载。完全离线重载仍取决于浏览器是否保留此页面及其运行时模块；清除站点数据会移除缓存和本地声音。

Still wondering? Get in touch →

Keep going

体验最新的开源语音模型。

主生成器 ↗

免费文本转语音

54 个 Kokoro 音色，覆盖 9 种语言，即时云端生成，支持 WAV 下载。

音质 ↗

自然AI语音生成器

现代神经语音为何听起来像真人，以及如何挑选合适的声音。

格式 ↗

文本转MP3

将文本转换为128至320 kbps的MP3，可直接分享。

本地设备选项 ↗

在线文本朗读

使用设备内置语音朗读粘贴的文本。

Try it now

体验最新开源语音模型。

浏览器内运行，免费且隐私安全。

Open the tool See all voices