# 如何在自己的电脑上离线把文字转成语音

更新于 2026-10-23

离线文字转语音，指的是语音由您电脑上的程序生成，而不是由网页服务生成。文本不会离开本机，没有人按字数计费，装好之后断网也能用。

本文以 Supertonic 3 为例，完整走一遍流程：它是一款能在普通 CPU 上运行的开源语音合成模型，配合 SuperClonica 音色市场里的音色使用。内容包括选音色、在 Windows、macOS 或 Linux 上安装引擎、生成第一个音频文件，以及处理长文本。需要先说明：Supertonic 3 目前还不支持中文，适合为英语、日语、韩语、西班牙语等 31 种语言生成语音；如果主要需要中文语音，请看文末推荐的其他模型。

## 离线语音合成需要准备什么

一台装有 Windows、macOS 或 Linux 的电脑就够了。Supertonic 3 在处理器上运行，按作者的说法不需要显卡。有 NVIDIA 显卡会更快，但不是必需的。

- 标准 Supertonic 3 客户端需要 Git 和 Python 3.11；SuperClonica 引擎需要 Python 3.10 或更新版本。
- 约 400 MB 磁盘空间，用来放基础模型，只需下载一次。
- 一个音色：一个保存音色参数的 JSON 文件。
- 只有安装时需要联网，之后生成语音完全离线。

## 第一步：选择音色

Supertonic 3 自带几个预设音色。如果您想要特定的声音，比如沉稳的旁白、游戏角色或聊天风格的声音，可以逛逛音色市场：每个音色都有试听样音和作者写的介绍，其中一部分是免费的。

先确认语言。Supertonic 3 支持 31 种语言，包括英语、日语、韩语、西班牙语、葡萄牙语、法语、德语和俄语，但还不支持中文。

购买后打开“我的音色库”，下载 JSON 格式的音色文件。在别处为 Supertonic 3 制作的音色文件也能同样使用。

## 第二步：在 Windows、macOS 或 Linux 上安装 Supertonic 3

标准的 Supertonic 3 客户端现在就能用。打开终端（Windows 上用 PowerShell），按顺序执行我们“工作原理”页面上的命令。这些命令会从 GitHub 克隆 supertonic 仓库，在里面创建 Python 3.11 虚拟环境（Windows 上是 py -3.11 -m venv.venv，macOS 和 Linux 上是 python3.11 -m venv.venv），安装 huggingface_hub，用 hf 工具把 supertone-oss-archive/supertonic-3 模型下载到 assets 文件夹，安装 py/requirements.txt 里的依赖，然后进入 py 文件夹。

页面上分别给出了 Windows 以及 macOS 和 Linux 的完整命令，并带有复制按钮。只有下载模型比较耗时，而且只需做一次。

## 第三步：把文字转成语音

把下载的音色保存为 supertonic/py 文件夹里的 voice.json。然后在虚拟环境中运行 example_onnx.py，传入音色、文本和语言代码：--voice-style "./voice.json" --text "Your text here" --lang en --n-test 1。脚本会在 results 文件夹里生成一个 WAV 文件。

换成其他语言时，修改文本和代码即可，比如 --lang ja 或 --lang ko。脚本还有一个 --speed 参数：默认值是 1.05，数值越大语速越快。

从这一步开始就不再需要网络了：断开网络也能随时继续把文字转成语音。

## 更快的选择：SuperClonica 引擎

SuperClonica 是我们基于 Supertonic 3 开发的引擎。它无需转换就能读取同样的 JSON 音色文件，在相同设置下，CPU 上平均快 61%（Ryzen 7 5800X 实测），显卡上平均快 73%（RTX 5070 Ti 实测）。停顿处没有底噪，句尾也更干净。

安装包已在 PyPI 上发布，只需一条命令：python -m pip install superclonica-cpu；有 NVIDIA 显卡则用 superclonica-gpu-cuda，CUDA 和 cuDNN 会由 pip 一并安装。之后一句话只要一行：superclonica --text "Hello!" --voice voice.json --lang en --output hello.wav。基础模型会在首次运行时下载。在 Python 里调用 Superclonica().synthesize() 并传入同样的参数即可，完整示例见安装页面。

## 长文本的处理技巧

书籍、文章和长脚本稍作准备，效果会好很多。

- 把文本按章节或段落拆开，每段单独生成一个文件。哪一段出了问题，重做起来很快。
- 使用标准客户端时，每次只送入一段或几句话，再在音频编辑软件里拼接。SuperClonica 引擎会自动把长文本分成短段来合成，重复字词和吞字的情况更少。
- 数字、日期、单位和缩写，按希望读出来的方式写出来。
- 把特别长的句子拆短：语音的停顿来自标点。
- 预留时间。按我们的估算，在 8 核台式机 CPU 上，SuperClonica 生成 1 小时音频大约需要 7–11 分钟。

## 需要中文语音合成怎么办

Supertonic 3 目前不支持中文。如果您主要需要中文语音，可以考虑 Qwen3-TTS 或 VoxCPM 2：两者都采用 Apache 2.0 许可证，支持中文，最好在显卡上运行。Piper 和 Kokoro 也有中文音色。具体对比见本站的模型对比页面。

## 更多指南

- [声音克隆：如何得到一个像录音里那样的声音](https://superclonica.com/zh/guides/voice-cloning)
- [2026 年适合本地运行的免费语音合成模型](https://superclonica.com/zh/guides/best-free-tts-models)
- [为视频、有声书、游戏和应用做文字转语音配音](https://superclonica.com/zh/guides/text-to-speech-for-videos)
- [Supertonic 3 音色：自定义音色的来源与使用方法](https://superclonica.com/zh/guides/supertonic-3-voices)
- [Python 文字转语音：离线、免费、自然的音色](https://superclonica.com/zh/guides/python-text-to-speech)
- [在 Docker 中自建文字转语音 API](https://superclonica.com/zh/guides/text-to-speech-api-docker)

## 语音合成与对比

- [在自己电脑上运行的语音合成](https://superclonica.com/zh/text-to-speech)
- [Supertonic 与 SuperClonica：同一模型，更快更干净](https://superclonica.com/zh/compare/supertonic)
- [Fish Audio、Fish Speech 与 SuperClonica 对比](https://superclonica.com/zh/compare/fish-audio)
- [OmniVoice 与 SuperClonica：语言更多，还是速度更快](https://superclonica.com/zh/compare/omnivoice)
- [本地语音合成：Qwen3-TTS 还是 SuperClonica](https://superclonica.com/zh/compare/qwen3-tts)
- [VoxCPM 2 与 SuperClonica：录音棚音质还是 CPU 速度](https://superclonica.com/zh/compare/voxcpm)
- [F5-TTS 与 SuperClonica：零样本克隆还是 CPU 上的快速合成](https://superclonica.com/zh/compare/f5-tts)
- [可离线使用的 ElevenLabs 替代方案](https://superclonica.com/zh/compare/elevenlabs)
- [Kokoro TTS 与 SuperClonica：两个小模型的本地语音合成](https://superclonica.com/zh/compare/kokoro)
- [Piper TTS 与 SuperClonica：小设备还是定制音色](https://superclonica.com/zh/compare/piper)
- [Coqui XTTS-v2 与 SuperClonica：Coqui TTS 的替代方案](https://superclonica.com/zh/compare/xtts)
- [Chatterbox TTS 与 SuperClonica：即时克隆还是训练好的音色文件](https://superclonica.com/zh/compare/chatterbox)

## 常见问题

### 可以免费离线把文字转成语音吗？

可以。Supertonic 3 是开放权重模型，自带预设音色，音色市场里也有免费音色。装好客户端和基础模型后，合成语音既不需要联网，也不按字数收费。不过它目前不支持中文。

### 离线语音合成一定要显卡吗？

不需要。Supertonic 3 和 SuperClonica 都能在 CPU 上运行；按我们的估算，SuperClonica 在 8 核台式机 CPU 上比实时快 6.4–9.7 倍。有显卡会更快。只有训练新音色才必须使用 NVIDIA 显卡。

### Mac 上能用吗？

能。标准客户端在 macOS 上的命令和 Linux 相同，用 python3.11 -m venv.venv 创建环境。

### 生成的音频是什么格式？

WAV。标准的 Supertonic 3 示例和 SuperClonica 引擎都保存 WAV 文件，任何音频或视频编辑软件都能把它转成 MP3 等格式。

- [在音色市场挑选音色](https://superclonica.com/zh/explore)
- [安装 SuperClonica 引擎](https://superclonica.com/zh/superclonica)

## 参考来源

- [Supertonic 快速上手（GitHub）](https://github.com/supertone-oss-archive/supertonic#quick-start)
- [Supertonic 示例脚本：参数与输出](https://github.com/supertone-oss-archive/supertonic/blob/main/py/example_onnx.py)
- [Supertonic 3 模型卡（Hugging Face）](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [Qwen3-TTS 代码仓库（GitHub）](https://github.com/QwenLM/Qwen3-TTS)
- [SuperClonica](https://superclonica.com/zh/)
- [文字转语音 AI 声音目录](https://superclonica.com/zh/explore)
- [Supertonic 3 定制音色委托](https://superclonica.com/zh/requests)
- [工作原理：音色、本地语音、训练](https://superclonica.com/zh/guide)
- [安装更快的 Supertonic 3 引擎](https://superclonica.com/zh/superclonica)
- [关于我们：语音合成爱好者团队](https://superclonica.com/zh/about)
- [联系方式、支持与音色投诉](https://superclonica.com/zh/contacts)
- [隐私政策](https://superclonica.com/zh/privacy)
- [使用条款](https://superclonica.com/zh/terms)
- [语音合成](https://superclonica.com/zh/text-to-speech)