可离线使用的 ElevenLabs 替代方案
ElevenLabs 是云端语音平台：通过浏览器或 API 使用，语音在他们的服务器上生成。SuperClonica 正好相反：下载一个音色文件，无论有没有网络，都在自己的电脑上生成语音。
两者不能简单互换，很多项目用 ElevenLabs 更省事，尤其是需要中文的时候。下面把真实的区别列清楚，方便您判断。
云端语音合成，还是本地音色文件
ElevenLabs 提供无需写代码的网页应用，以及带 Python 和 TypeScript 官方 SDK 的 REST API。企业还可以通过私有部署在自己的云上运行。无论哪种，语音合成都是一项需要调用的服务。
在 SuperClonica，您得到的是一个 Supertonic 3 音色的 JSON 文件。安装引擎、下载一次基础模型（约 400 MB）后，之后的每次请求都在本地的 CPU 或 GPU 上完成。
隐私：文本去了哪里
使用云端 TTS 时，您要朗读的每一份脚本、消息和文档都会发送到服务商的服务器，并按其条款处理。广告文案通常没什么问题；但病历、内部文件或尚未公开的游戏台词就是另一回事了。
本地语音合成时，文本不会离开设备。SuperClonica 的服务器不知道您在朗读什么，只负责账户、购买和音色下载。通过 GitHub 登录，付款使用加密货币。
延迟与离线使用
云端请求要多一次网络往返，还得保证服务可用。本地引擎没有这两个问题。按我们的估算，SuperClonica 在 8 核台式机 CPU 上的生成速度是实时的 6.4–9.7 倍，一句 10 秒的台词约 1.0–1.6 秒完成，在飞机上或内网环境里也一样。
这也意味着可以把语音直接做进产品里：比如在玩家电脑上生成 NPC 台词的游戏，或者用 ONNX Runtime Web 在浏览器里运行模型的网页应用。
订阅，还是拥有音色
ElevenLabs 按月或按年订阅，用量从套餐中扣除。
在 SuperClonica，音色按作者设定的美元价格一次性购买，也有免费音色。文件保存在您的音色库里，没人统计字数，能生成多少只取决于您的硬件。购买的音色用于您自己的项目，不能转售或再次发布。
ElevenLabs 更合适的地方
ElevenLabs 在不少方面领先，这一点应该说清楚。
- 语言：ElevenLabs 的模型支持数十种语言，包括普通话。Supertonic 3 只有 31 种，暂不支持中文。
- 即时声音：在浏览器里就能用录音克隆声音，或按文字描述设计声音。在 SuperClonica，定制声音需要训练或委托。
- 无需安装：不用 Python，不用下载模型，也不用在自己的硬件上跑任何东西。
- 平台更完整：同一个账户里还有语音智能体等其他音频工具。
SuperClonica 更合适的情况
在语言属于 Supertonic 3 支持范围的前提下，以下情况更适合 SuperClonica：
- 文本不能离开设备或内网。
- 生成量大，按用量计费的成本越来越高。
- 需要离线语音，或要集成进您发布的应用或游戏。
- 希望以文件形式保留音色，不依赖订阅。