指南

支持 31 种语言的 MeloTTS 与 OpenVoice 替代方案

MeloTTS 和 OpenVoice 都出自 MyShell，采用 MIT 许可，是一对很受欢迎的组合：MeloTTS 在处理器上就能达到实时速度，OpenVoice 则把参考片段的音色迁移到生成的语音上。两者合计支持六种语言，仓库的最后更新分别在 2024 年和 2025 年。请注意：Supertonic 3 暂不支持中文，可朗读英语、日语、韩语等 31 种语言。

免费的 SuperClonica 引擎同样能在普通处理器上运行，支持 31 种语言，并提供现成声音的目录。本指南如实比较它们，也说明在哪些情况下 MeloTTS 或 OpenVoice 是更好的选择。

浏览声音 安装 SuperClonica 引擎

MeloTTS 与 OpenVoice 概览

如果需要中文、英语的地区口音或即时迁移音色，这对组合是不错的开源选择。

  • MeloTTS：带美国、英国、印度和澳大利亚口音的英语，西班牙语、法语、中英混合的中文、日语和韩语。
  • MeloTTS 在处理器上就足以实时生成语音。
  • OpenVoice V2 在生成时迁移参考片段的音色，原生支持英语、西班牙语、法语、中文、日语和韩语。
  • 两者都采用 MIT 许可。

免费对比音色

在任意声音页面粘贴一句你用 MeloTTS 或 OpenVoice 生成过的句子，30 到 100 个字符，选择语言并点击生成按钮。几秒后即可对比，无需注册。

SuperClonica 的不同之处

它同样在普通处理器上运行：我们的测试中，短句在 Ryzen 7 5800X 的四个线程上用时 0.43 秒。

  • 31 种语言，包括德语、俄语、葡萄牙语、意大利语、波兰语、荷兰语、土耳其语、印地语和阿拉伯语；不包括中文。
  • 现成的声音：十个标准声音和 170 多个带免费试听的目录声音。
  • 每个声音是一个约 0.3 MB 的 JSON 文件，能说模型支持的所有语言。
  • 一条命令即可安装：python -m pip install superclonica-cpu，也可以用带 HTTP API 的 Docker 镜像。

迁移音色还是训练声音

OpenVoice 在每次生成时加入参考音色。在 SuperClonica 中，声音需要用 5 到 10 秒的干净录音，在配有 NVIDIA 显卡的电脑上用工作室训练一次，或在交易所向会训练的作者下单。之后它可以在任何处理器上以全部 31 种语言运行，并带有原始录音的一点口音。只克隆得到本人同意的声音。

如何选择

需要中英混合的中文或多种英语口音时，选择 MeloTTS；需要立即从片段迁移音色时，选择 OpenVoice。需要德语、俄语、葡萄牙语、意大利语等这对组合不支持的语言、现成的角色和旁白声音，以及包括声音在内的一次简单安装时，选择 SuperClonica。