SpeechGen 在线文字转语音｜多语音色、字幕转音频与语音克隆翻译站点

SpeechGen（speechgen.io）是一套在线的 AI 文字转语音工具，主体功能是文字合成语音：输入文本，选定音色与语言，即得可下载的音频文件。站点同时提供语音克隆、字幕转音频、语音转文字、网页视频转写与音色变更等周边能力，并有开放接口供外部程序调用。

核心功能

合成面板是站点的主体，正文区直接接受输入或粘贴文本，转换后生成 MP3、WAV、FLAC、OGG、Opus 等格式的音频。面板上方列出可选项，含音色选择、语速、音调与音量调节；工具栏另有 SSML 标记插入、片段清除与逐句试听等按钮，便于逐句校对发音。背景音乐可叠加于语音之下，段落与句子之间的停顿长度可单独设定。

• 文本输入：直接键入或粘贴文本，底部实时显示字符数与词数。
• 音色选择：按语种与风格挑选，部分音色另标注为专业档。
• 参数调节：语速、音调与音量三项可在合成前先行设定。
• SSML 标记：插入停顿、重音与读音标记，控制局部发音。
• 音频导出：可选 MP3、WAV、FLAC 等格式，并调整码率与采样率。

音色与语言

站点自述提供五千余种音色，覆盖一百五十种语言，音色条目多标注所属语种、性别与适用场景，部分另分深浅风格。中文音色在列表中单列，可在中文文本上直接选用。免费试用通常按字符数计，界面所载额度在具体数值上随政策调整。

• 语种标注：每个音色注明所属语言，便于按需筛选。
• 风格分组：区分深浅风格与用途，如解说、旁白、播报。
• 中文音色：单列普通话音色，可直接用于中文文本。
• 多语能力：同一文本可切换语种分别生成，用于本地化版本。

延伸工具

除合成外，站点另设音频转文字与视频转文字两栏，可上传音频或视频文件后得到转写文本；字幕转音频功能以字幕文件为输入，生成与画面时序对应的朗读音轨；音色变更功能用于将既有录音转换为所选音色，语音克隆则可依据上传样本建立新的音色条目。

• 音频转文字：上传录音后生成文字稿，可作为字幕初稿。
• 视频转文字：解析视频音轨，输出对应文本。
• 字幕转音频：依字幕时序生成朗读音轨，与画面同步播放。
• 音色变更：将既有录音重制为所选音色的说话方式。
• 语音克隆：以样本音频建立自定义音色条目。

适用场景

可用于需要旁白的成品：课程录音、有声书初稿、演示视频配音、多语版本的内容本地化，以及批量将字幕文件转为音轨。接口部分便于将合成能力嵌入自有工具，用于按模板自动生成语音提示或产品讲解。音色克隆涉及他人声音时，须先取得授权。

使用须知与局限

合成结果由神经网络生成，音调自然度与停顿位置仍偶有不合预期之处，长文宜分段试听后再合并。站点标注免费额度之外按字符量计费，批量使用前宜先估算文本总量。商业用途的授权范围依套餐而定，涉及对外发布的内容需核对所在套餐的商用条款。音色库条数与语言数量会随版本更新变化，具体以使用当时的界面显示为准。