AI 声音克隆怎么选？这 5 个热门方案，其实

选 AI 声音克隆，别先问谁最强，得先看走哪条路。

想直接出成品：中文长文、有声书首选 MiniMax。它单次能吞下百万字，但毕竟是云服务，得算好成本。要情绪饱满、多语言或成熟网页编辑器，选 ElevenLabs。注意它的专业克隆只能录本人声音。

想本地部署：新手优先试 Qwen3-TTS。模型小好上手，用的是宽松开源协议，方便二次开发。要是需要多人对话和细调情绪，再折腾 Fish Audio S2 Pro。不过它商用得单独申请授权，千万别踩坑。

关于长音频的坑：网上吹的 VibeVoice 能一次生成90分钟。那个版本早被官方撤回了。现在只剩个实时版，别为了旧数字去下野路子。

自己动手测：拿同一段真实文本和60秒样音去试。重点测专有名词、中英文混读、情绪和长段稳定性。最后还得算算时间和钱。

最后提醒一句：本地跑不代表没责任。只克隆自己或有明确授权的声音，对外发布记得标明是 AI 合成。