1 選一個或克隆一個聲音
從 19 個內建聲音裡挑一個，或者用一段錄音做一個新的 — 拖入一個音訊檔案，或者直接用麥克風錄大約十秒。沒有訓練環節，也沒有排隊：片段讀完，聲音就可以用了。
AI 音訊濾波器
免費 AI 文字轉語音，帶 音色克隆
Audiofilter 的文字轉語音 AI 音訊濾波器在你自己的機器上把寫下的文字變成自然的語音。從 19 個免費聲音裡挑一個，或者用一段短錄音克隆一個新的，輸入文字，按「轉換」。和本站每一個音訊濾波器一樣，模型在頁面內執行 — 你的文字和錄音永遠不會離開這個瀏覽器。
19現成的聲音
14口音與地區
0上傳的位元組數
免費無需帳號
⚠ 本頁面未處於跨源隔離狀態。
引擎需要
SharedArrayBuffer，而它又要求
Cross-Origin-Opener-Policy 和 Cross-Origin-Embedder-Policy
這兩個響應頭，以及一個安全上下文（localhost 或 HTTPS）。如果你剛改過伺服器設定，請強制重新整理一次（Ctrl/Cmd + Shift + R）。
這個工具建議優先使用 Chrome。
它需要 WebAssembly 執行緒、
SharedArrayBuffer 以及一塊能增長到 1.5 GB 的 WebAssembly 堆，而把這套組合處理得最穩的是 Chrome 和 Edge。Firefox 和 Safari 同樣有執行緒和
SharedArrayBuffer ，只是給 WebAssembly 記憶體設的上限更低——值得一試：如果引擎起不來，或者跑到一半停了，就換 Chrome。手機和平板上的 Chrome 同樣能用，只是首次下載和每次生成在手機處理器上會更慢一些。Audiofilter 的另外四個工具沒有這個要求，在哪兒都能跑。
AI 文字轉語音生成器
文字轉語音與音色克隆 — 免費、不限次數、不上傳
1 選一個聲音
點小按鈕可以試聽
準備中…
0%
只有第一次 — 之後全部走快取。
或者克隆你自己的聲音
自然地說大約 10 秒
或
🎙️
拖入一個音訊檔案，或點選選擇
WAV · MP3 · FLAC · M4A · OGG
- 最大 25 MB，時長在 3 到 15 秒 之間
- 更長的片段會自動裁成中間的 12 秒
- 請用單人、乾淨的說話聲 — 不要音樂、回聲或重疊的人聲
- 只上傳你自己的聲音，或者你有明確授權使用的錄音
- 複製的聲音會保存在這台裝置上，供下次使用。
2 輸入你的文字
僅支援英語
這個模型讀的是英語。
其他拉丁字母語言 —— 法語、德語、西班牙語、葡萄牙語、義大利語、荷蘭語 —— 確實能出聲，但模型是按英語的字母發音規則來唸的，結果是一個英語母語者在讀外語單詞。 中文、日語和韓語完全不能用： 分詞器裡沒有這些文字的詞片，會退回到原始位元組，而模型從未在這些位元組上訓練過。上面音色標註的口音 —— 蘇格蘭、愛爾蘭、德國、法國、中國（臺灣）—— 是英語朗讀者的口音，不是別的語言。
0 / 500
高階
數值越高，模型在結束一句話之前會把它多撐開一點。效果很細微 — 整個區間前後差大約一秒。
觀看工具的實際操作
由 Audiofilter 錄製的簡短操作示範。
正在載入影片… 這裡暫時無法播放影片，請使用下方的 X 連結。播放此影片會載入 X 的內容，並適用 X 的隱私權政策。
它是怎麼工作的
三步，無需註冊
2 輸入你的文字
貼上最多 500 個字元，然後設定它該怎麼讀。「表現力」決定每次生成之間演繹的差異有多大，停頓控制元件決定模型在句子之間和逗號處停多久 — 這是輕快朗讀和從容旁白之間的區別。
3 轉換並下載
音訊一邊生成一邊開始播放，所以你會在最後幾個詞還不存在的時候就聽到開頭。拖動波形檢查一遍，然後把結果存成 MP3、AAC 或 WAV。第一次之後的每次轉換都立刻開始，因為模型已經在你的機器上了。
你可以用它做什麼
無帳號、無配額、無水印
零樣本音色克隆
一段短片段就夠克隆一個聲音。不做任何微調，也不做任何儲存 — 片段在瀏覽器裡被轉成一個緊湊的聲音嵌入，在標籤頁開著的期間被使用，然後就沒了。
結構上就是私密的
沒有後端，沒有 API 金鑰，也是唯一不放廣告的工具頁面。語音模型本身被編譯成 WebAssembly 在頁面內執行，所以你的文字和錄音在原理上就無處可去。
十九個公有領域聲音
每個內建聲音都以 CC0 釋出，也就是說你生成的音訊可以商用、無需署名 — 這在免費文字轉語音工具裡並不常見。
對節奏的控制
可以調整表現力、句子之間的停頓，以及是否把逗號當作換氣。還有一個句末閾值，用來在一句話收束之前多撐住一點點。
匯出 MP3、AAC 和 WAV
下載同樣在你的裝置上完成編碼，所以成品檔案也不會繞一趟伺服器。WAV 是立刻寫出的；MP3 和 AAC 會經過一個本地編碼器。
首次載入之後就能用
模型在你第一次轉換時被快取，所以之後的訪問完全跳過下載，按下「轉換」的那一刻就開始生成。
常見用途
- 影片、教程和錄屏的配音
- 有聲書、郵件通訊和長文的旁白
- 正式錄音之前，用來先剪一版粗剪的臨時音訊
- 無障礙 — 把寫下的材料讀出來
- 原型階段的遊戲或語音介面裡的佔位臺詞
- 在定下之前，先聽同一句話在幾種口音裡的效果
基於 PocketTTS
本頁面生成語音的是什麼
這裡的語音生成用的是 PocketTTS，一個跑在編譯為 WebAssembly 的 ONNX Runtime 上的神經語音合成引擎。它在這個瀏覽器標籤頁內執行，所以你的文字和你提供的任何音色樣本都不會離開你的裝置。
音色克隆是零樣本的：一段短樣本被壓縮成一個緊湊的聲音嵌入，用來給合成過程做條件約束。不做微調，不上傳，標籤頁一關，嵌入就消失。
常見問題
我的音訊會被上傳到什麼地方嗎？
不會。沒有後端，也沒有 API 呼叫。模型在這個瀏覽器標籤頁內執行，你的文字和錄音不離開你的裝置。
真的免費嗎？
是。沒有帳號、沒有試用期、沒有字元配額、沒有水印。因為處理發生在你自己的機器上而不是伺服器上，本來就沒有什麼可計量的。
生成的音訊可以商用嗎？
可以。每個內建聲音都以 CC0 1.0 釋出，所以你生成的語音歸你，任何用途都行，包括商業用途，也不要求署名。你自己克隆的聲音所產出的音訊同樣歸你。
為什麼第一次「轉換」要等一會兒？
在能生成任何東西之前，模型必須先取一次。之後瀏覽器會把它留在快取裡，「轉換」就立刻響應。
什麼樣的片段適合克隆？
一個人清楚說話的六到十二秒，沒有背景音樂、回聲或其他人聲。不是越長越好 — 超過十五秒的片段會被裁掉。
一次能轉換多少文字？
每次轉換最多 500 個字元，大約八十個詞，或者半分鐘的語音。轉換次數沒有上限，所以長稿子可以一段一段做。
支援哪些語言？
英語。模型是用英語語音訓練的，內建音色全是英語朗讀者，所以它能正確發音的語言只有英語。法語、德語、西班牙語、葡萄牙語、義大利語和荷蘭語會出聲，但套的是英語的字母發音規則。中文、日語和韓語不能用：分詞器裡沒有這些文字的詞片，文字會被還原成模型從未見過的原始位元組。音色上標的口音是英語的口音，不是獨立的語言。
可以下載哪些格式？
MP3、AAC 或 WAV。編碼器同樣在你的裝置上執行，所以成品檔案在你儲存之前不會被發往任何地方。
它在哪些瀏覽器裡能用？
優先用 Chrome，Edge 表現一樣；手機和平板上的 Chrome 也能用——首次下載和每次生成在手機處理器上會更慢，但工具是跑得起來的。引擎需要 WebAssembly 執行緒和 SharedArrayBuffer（舊瀏覽器沒有），還需要一塊能增長到 1.5 GB 的 WebAssembly 堆——最後這一項上 Firefox 和 Safari 設的上限更低，引擎在那裡可能起不來，或者跑到一半停了。想試可以試，不行就換 Chrome。這只關乎文字轉語音；人聲分離、降噪和轉換在任何較新的瀏覽器裡都能跑。
它能離線工作嗎？
模型快取好之後，生成語音完全不需要網路。頁面本身仍然要載入，所以一次會話裡第一次開啟它還是需要連線。
它提示頁面未處於跨源隔離狀態。
頁面必須帶著 COOP 和 COEP 響應頭，透過 localhost 或 HTTPS 提供。如果剛改過設定，請強制重新整理，讓瀏覽器不再複用快取裡的那一份。
手上已經有錄音，想找一個別的音訊濾波器？
開啟人聲分離 → 開啟降噪 →