自然的文本转语音 在你的设备上合成。

一个免费的文本转语音工具，借助 Kokoro 神经语音模型完全在你的浏览器中生成听感自然的语音。你可以用它制作旁白草稿、视频配音、语言学习、无障碍朗读，或听听自己写的文字被读出来——没有账号、没有 API 密钥，也不按词定价。

同一界面内置两套引擎：28 个带有官方自然度评级的美式与英式英语语音，以及 100 个可朗读中英混合文本的普通话语音，总计 128 个语音。语速控制、长文档模式、批量队列和本地历史记录，让这个工作室功能完整。

工作原理

Kokoro-82M 是一个紧凑、高质量的神经 TTS 模型，通过 Transformers.js 在本地运行：在 Chrome 或 Edge 上有 WebGPU 加速，其他环境则走 WebAssembly 路径。英语引擎是经由 kokoro-js 调用的 v1.0 构建；普通话引擎是内置中文 G2P 的 v1.1-zh 构建。语音与模型权重只下载一次，随后被缓存，此后合成可以离线进行。如果 WebGPU 运行在执行时失败，工具会透明地在 WASM 上重试一次，而不是抛出晦涩的错误。

128 个语音与语音浏览器

语音浏览器是为这么大的音色库而打造的：按名称或 ID 全文搜索，按性别与口音（普通话、美式、英式）筛选，复用缓存音频的固定例句预览，存储在你设备上的收藏，以及最近使用列表——此外还有英语语音所带的官方 A–F 自然度评级。选中一个语音就会直接带回合成器；没有队列，也不请求服务端目录。

长文档模式

你并不限于只能输入一句简短的话。超出单次调用安全额度的文本会在句子边界处切分——对超长句子有强制兜底——逐块合成并实时显示进度（如第 3 块，共 12 块），再用短促的等增益交叉淡入淡出拼接，使接缝处不出现咔哒声。免费版可朗读最长 10,000 字符的文档；Pro 可达 100,000 字符。你可以随时取消长时间的运行；若英语语音被用来朗读中日韩（CJK）文本，工具会事先发现并明确提示改用普通话语音。

格式、批量队列与历史记录

WAV（16-bit，24 kHz）始终可以导出。Chromium 浏览器还可通过 WebCodecs 提供 MP3；其他浏览器使用 Opus/WebM。可用格式会被事先检测并如实标注，而不是等到点击时才失败。批量模式下免费版最多排队 5 个文本（Pro 为 50 个），可一次载入多个 .txt 文件，按顺序逐个处理并显示单项进度，成品可单独导出或打包为 ZIP。历史面板会把最近十二次生成——文本、语音和语速——保存在浏览器中，可一键重新生成，也可以随时清空。

限制与隐私

两个档位都没有运行次数、没有每月字符配额，也没有水印，并且都包含商用授权；区别仅在于单文档长度（10,000 与 100,000 字符）和批量大小（5 与 50 个文本）。你的文本永远不会离开浏览器——脚本、笔记和草稿在设计上就是私密的，这也是处理机密内容时优先选择本工具而非云端 TTS API 的主要原因。

常见问题

为什么英语语音只能读英语？音素与词汇覆盖范围是引擎固有的；普通话 v1.1 引擎才是专为中文和混合文本设计的，工具会强制执行这一点，而不是产生乱码般的语音。

可以离线生成音频吗？可以——语音及其模型一旦缓存，合成就不再需要联网。

MP3 是一定可用的吗？只要存在 WebCodecs MP3 编码（Chromium），它就可用；WAV 是通用格式，在没有 MP3 的环境则提供 Opus/WebM。

免费版真的可以免费用于商业配音吗？是的，不按次收费、没有水印——只有文档长度和批量大小是 Pro 的区别所在。