# 在自己电脑上运行的语音合成

更新于 2026-10-23

SuperClonica 是 Supertonic 3 的音色市场，同时提供 SuperClonica 引擎。Supertonic 3 是一款能在普通 CPU 上运行的开源语音合成模型，SuperClonica 引擎用同样的音色文件跑得更快。一个音色就是一个 JSON 文件：下载一次，文字转语音就在您自己的电脑上完成，文本不会发到任何服务器，断网也照样能用。

需要先说明一点：Supertonic 3 目前支持 31 种语言，但还不支持中文。它适合为英语、日语、韩语、西班牙语等语言生成语音，比如面向海外的游戏、应用和视频。如果您主要需要中文语音，本文后面也会介绍更合适的模型。

## Supertonic 3 本地语音合成是怎么工作的

Supertonic 3 是 Supertone 发布的开放权重模型，约 9900 万参数，通过 ONNX Runtime 运行，官方说明不需要 GPU。它支持 31 种语言，包括英语、日语、韩语、西班牙语、法语、德语、俄语、阿拉伯语、印地语和越南语，目前不含中文。

音色文件里只保存声音特征。要生成音频，还需要一个引擎（Supertonic 3 官方客户端或 SuperClonica）和约 400 MB 的基础模型。安装和下载时需要联网，之后的语音合成全部在本地完成。

- 电脑：Windows、macOS、Linux，用 CPU 运行。
- 浏览器：通过 ONNX Runtime Web 集成到网页应用。
- 移动端：集成到兼容的移动应用。
- 您的产品：游戏、机器人、部署在自己服务器上的服务。

## CPU 上的文字转语音有多快

Supertone 公布的数据是：在 16 线程 CPU 上，Supertonic 3 的实时率（RTF）为 0.20，也就是生成 1 秒音频只需 0.2 秒。按我们的估算，在 Ryzen 7 7800X3D 这类 8 核台式机 CPU 上，Supertonic 3 的速度是实时的 4–6 倍，SuperClonica 是 6.4–9.7 倍。一句 10 秒的话大约 1.0–1.6 秒就能生成。

引擎的提速是实测结果：在相同设置下，SuperClonica 在 CPU（Ryzen 7 5800X）上平均比 Supertonic 3 快 61%，在显卡（RTX 5070 Ti）上快 73%。词与词之间的停顿没有底噪，句尾收得更干净；长文本会被切成短段来读，重复和断句的情况也更少。Supertonic 3 的音色文件无需转换即可使用。

## 现成音色、免费音色和声音克隆

市场里的音色来自独立作者，有游戏角色、旁白、日常对话等风格，每个都能先试听演示。价格由作者以美元定价，也有免费音色。购买的音色用于您自己的项目，不允许转售。

如果想要一个接近某段录音的声音，有两种方式。两者都比云服务的即时克隆花时间，但得到的是一个在哪里都能快速运行的文件。请只使用您拥有权利、并取得说话人同意的录音。

- 委托作者：上传参考录音，描述想要的声音并设定预算。作者会提交方案，在您验收结果之前，预算会冻结在余额中。
- 自己免费训练：准备 5 到 10 秒的干净录音和准确文本，把带 NVIDIA 显卡的电脑接入作为训练节点（worker），对比各个检查点。JSON 可以免费下载。
- 出售训练好的音色：添加封面、描述和价格即可。销售收入扣除平台佣金后计入您的美元余额。

## 本地 TTS 还是云端语音合成

ElevenLabs 这类云服务在自己的服务器上生成语音：有网页应用、API、快速克隆和大量语言，什么都不用装。代价是每段文本都要经过网络，用量按套餐计算，断网就无法使用。

本地音色文件正好相反：文本不离开设备，没有网络往返，也没人统计字数。代价是需要自己安装，模型也更小：31 种语言、不支持中文、情感控制更少。

在我们的对比表中，Fish Audio S2 Pro、OmniVoice 和 VoxCPM 2 的音质评分与 SuperClonica 持平或更高，支持的语言也更多，而且都包括中文。不过按我们的估算，它们在台式机 CPU 上比实时慢 2–10 倍，更适合用 GPU 运行。

## 需要中文语音合成怎么办

Supertonic 3 暂不支持中文。如果您的主要需求是中文语音，下面这些开源模型更合适，它们都需要 GPU 才能跑得快：

- Qwen3-TTS：支持中文等 10 种语言，3 秒声音克隆，Apache 2.0 许可证。
- VoxCPM 2：30 种语言，另支持粤语、四川话等 9 种中文方言，48 kHz 输出，Apache 2.0 许可证。
- Fish Audio S2 Pro：中文属于其一级支持语言，表现力强，但商用需要另行取得许可。

## 适合哪些人

常见的使用者有：

- 希望在玩家电脑上生成 NPC 台词的游戏开发者，尤其是做海外市场的团队。
- 在笔记本上为长篇外语文本配音的视频创作者和有声书制作者。
- 需要在浏览器或无 GPU 服务器上生成语音的开发者。
- 文档不能离开内网的团队。
- 训练音色用于出售或承接委托的作者。

## 账户与付款

通过 GitHub 登录，无需身份证件或手机号。付款使用加密货币，余额以美元计，我们不会接触任何银行卡信息。

## SuperClonica 与其他 TTS 模型对比

我们的对比表从音质、CPU 速度、音色稳定性和语言几个方面打分。星级和速度是针对台式机 CPU 的粗略估算，不是实测结果。

- Fish Audio S2 Pro：音质评分最高，80 多种语言；在 CPU 上比实时慢 4–10 倍。
- Qwen3-TTS：支持中文，3 秒克隆；10 秒语音需要 10–20 秒（0.6B）。
- OmniVoice：600 多种语言；比实时慢 2–5 倍。
- VoxCPM 2：30 种语言，48 kHz 输出；比实时慢 2–4 倍。
- F5-TTS：中英文零样本克隆；比实时慢 5–15 倍。

## 与其他模型的对比

- [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)

## 语音合成指南

- [如何在自己的电脑上离线把文字转成语音](https://superclonica.com/zh/guides/offline-text-to-speech)
- [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)

## 常见问题

### 有没有免费又能离线使用的语音合成？

有。Supertonic 3 是开放权重模型，自带预设音色，安装后可以离线运行。我们的市场里也有免费音色；如果您有 NVIDIA 显卡，训练自己的音色也是免费的。

### 语音合成一定要显卡吗？

生成语音不需要：Supertonic 3 和 SuperClonica 都能在 CPU 上运行，有显卡只是更快。训练新音色则需要 NVIDIA 显卡。

### 能克隆我自己的声音吗？

可以，前提是声音属于您本人，或已取得说话人的同意。用 5 到 10 秒的录音自己训练，或委托作者训练，就能得到一个音色和说话方式都接近录音的音色文件。

### 支持中文语音合成吗？

目前不支持。Supertonic 3 支持英语、日语、韩语、西班牙语、法语、德语、俄语等 31 种语言，但不含中文。需要中文的话，Qwen3-TTS 或 VoxCPM 2 更合适。

### 现在能安装 SuperClonica 引擎吗？

可以。安装包已在 PyPI 上发布：处理器用 superclonica-cpu，NVIDIA 显卡用 superclonica-gpu-cuda。安装命令和示例见引擎页面，市场里的音色也可以在 Supertonic 3 官方客户端中使用。

- [浏览音色市场](https://superclonica.com/zh/explore)
- [如何安装 SuperClonica](https://superclonica.com/zh/superclonica)

## 参考来源

- [Supertonic 3 模型卡（Hugging Face）](https://huggingface.co/supertone-oss-archive/supertonic-3)
- [Supertonic 3 基准测试](https://supertonic3.github.io/#benchmark)
- [Supertonic 快速上手（GitHub）](https://github.com/supertone-oss-archive/supertonic#quick-start)
- [Qwen3-TTS 代码仓库（GitHub）](https://github.com/QwenLM/Qwen3-TTS)
- [VoxCPM 代码仓库（GitHub）](https://github.com/OpenBMB/VoxCPM)
- [ElevenLabs 文档](https://elevenlabs.io/docs/overview)
- [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)