TTS选择

短答(直接告诉你怎么选)

场景	推荐
只是 demo:浏览器输入中文 → 播声	Web Speech API(零依赖,3 行 JS)
配合后端,质量最好且免费	edge-tts(微软在线 API 的 Python 包)
完全离线 + CPU 快	Piper(中文一般但极快、模型 ~60MB)
完全离线 + 自然/对话感	ChatTTS(2024 爆款,CPU 可跑但要等几秒)
高品质 + 阿里生态对齐(已有 FunASR)	CosyVoice(阿里同源,SOTA,GPU 才舒服)
商用、要 SLA	Azure Speech / 阿里 NLS / 讯飞 / 腾讯

详细对比

方案	部署形态	联网	中文质量	CPU 速度	安装/成本	声音克隆	适合本项目?
Web Speech API	纯浏览器 speechSynthesis	无	看系统,Win/Mac/iOS 中文 OK,Linux 差	即时	0	否	★★★ demo 最快
edge-tts (py)	后端调微软 Edge 的 TTS REST	需公网	优(晓晓/云希等中文音色丰富)	<1s	pip install edge-tts 一行,免费	否	★★★★★ 强烈推荐
Piper	后端二进制,本地模型	无	中(机器味重但可懂)	<0.5s/句	二进制 + 模型 60MB	否	★★★★ 离线兜底
ChatTTS	后端 Python	无	优(对话感强,有"嗯/呃"语气)	CPU ~8-20s/句	模型 ~1GB,需 torch	部分	★★★ 拟人最强但慢
Coqui XTTS-v2	后端 Python	无	良	CPU ~5-15s/句	模型 ~2GB	是(零样本)	★★ 多语言但中文非强项
CosyVoice	后端 Python	无	极优(SOTA 中文)	GPU 优 / CPU 慢	模型 ~4GB,阿里同源	是	★★★ 你机器没 GPU 不行
GPT-SoVITS	后端 Python	无	良(克隆强)	推荐 GPU	部署较繁	极强	★ 主打克隆,过重
F5-TTS	后端 Python	无	良	推荐 GPU	模型 ~1GB	是	★★ 新,GPU 才好
Bark (suno)	后端 Python	无	中	CPU 极慢 30s+	模型 ~5GB	部分	★ pass
Azure Speech	云 REST	需公网	极优	<1s	key,计费(~$15/百万字符)	是	★★★ 商用必选
阿里 NLS / 讯飞 / 腾讯	云 REST	需公网	优	<1s	key,计费	部分	★★★ 国内合规
OpenAI TTS	云 REST	需公网	中(英文优)	<1s	key,计费	否	★ 中文一般