Voicebox 替代方案，以及何时需要它
请注意：Supertonic 3 暂不支持中文，下文的 SuperClonica 可朗读英语、日语、韩语等 31 种语言。Voicebox 是采用 MIT 许可的免费开源语音工作室：几秒音频即可克隆声音，可在八个 TTS 引擎之间切换，支持 23 种语言，能加效果、编辑多声音故事、听写，并通过 MCP 为 AI 智能体提供声音。它是 GitHub 上最受欢迎的语音项目之一，对很多人来说正是合适的工具。
本指南面向它不太合适的情况：需要现成的角色声音、能在普通处理器上快速运行的单一模型、用于脚本的命令行或托管 API。如果你在找 Meta 的 Voicebox，请看最后一节。
Voicebox 擅长什么
无需训练即可用参考样本克隆、50 多个预设声音、用文字指令控制语气、Chatterbox Turbo 中的笑声和叹气等标签、八种音频效果、用于对话和播客的时间线编辑、基于 Whisper 的全局听写、REST API 和 MCP 服务器。它可在 macOS、Windows 和 Docker 中本地运行；在 Linux 上需从源码构建。Voicebox 还支持中文。
SuperClonica 的不同之处
SuperClonica 是为单一模型 Supertonic 3 打造的引擎，针对普通处理器上的速度做了优化，支持 31 种语言（不含中文）。它不在生成时克隆，而是把每个声音训练一次，变成一个可在任何地方运行的小 JSON 文件。目录中约有 190 个现成声音，包括旁白、播音员和粉丝制作的角色，每个都可以用 30 到 100 个字符的台词免费试听。你自己的声音可在工作室用短录音训练。
用于脚本、服务器和机器人
用 python -m pip install superclonica-cpu 在 Windows、Apple Silicon 的 macOS 或 Linux 上安装免费引擎，一条命令即可朗读文件：superclonica --text-file script.txt --voice F2 --lang en --output script.wav。同一个引擎也是 Python 库，托管语音 API 一次 POST 请求即可返回音频，每天免费 3 分钟。
如何选择
如果需要免训练克隆、表现力标签、听写、一体化工作室，或需要中文，并且有显卡运行较大的引擎，选 Voicebox。如果需要现成的角色声音、在 CPU 上快速离线生成、一个模型支持 31 种语言、轻量的 pip 安装或 API，选 SuperClonica。两者都可以免费试用，也可以同时使用。
如果你指的是 Meta 的 Voicebox
Meta 在 2023 年发布了名为 Voicebox 的研究语音模型，但以存在滥用风险为由没有公开。没有可以下载的东西，实际可用的替代是上面的 Voicebox 工作室这样的开源项目，或 SuperClonica 这样的引擎。