1）MiniMax Speech / Audio —— 中文表现很强，支持音色克隆、长文本TTS，适合小说、有声书、视频配音等长音频生产。
官网：https://www.minimax.io/audio
2）Qwen3-TTS —— 阿里通义开源TTS，主打多语言、音色克隆和语音生成，本地部署党可以重点关注。
GitHub：https://github.com/QwenLM/Qwen3-TTS
3）ElevenLabs —— AI配音领域的第一梯队，自然度和情绪表现非常强，声音克隆也成熟，做有声书、剧情旁白尤其合适。
官网：https://elevenlabs.io/
4）Fish Audio —— 开源声音克隆热门方案，多语言、情感表现和流式生成都不错，想自己部署非常香。
GitHub：https://github.com/fishaudio/fish-speech
5）Microsoft VibeVoice —— 微软的开源长音频模型，重点就是超长文本＋多人对，TTS模型最高可生成约90分钟、支持最多4个说人。
GitHub：https://github.com/microsoft/VibeVoice
要中文选MiniMax/Qwen，追求自然度看ElevenLabs，想本地部署看Fish Audio/VibeVoice。
AI探索 | Hermes/OpenClaw｜优质资源｜优质信息
