ttsCN — 中文 TTS 服务商对比

服务商	费用 (每万字)	音色数	最大字数	最大时长	SSML	克隆	情感	语言	流式	配置
Edge TTS Microsoft	免费	20+	2000 字/次	~10 分钟 /次	✅	❌	Via SSML	100+	WebSocket	⚡ 零配置
豆包 TTS ByteDance (火山引擎)	~1 元/万字	8 + 声音复刻	280 字/次	~1 分钟 /次	❌	✅	情感预测版 (+1元/万字)	中文、英文、中英混读	WebSocket	🟡 中等
CosyVoice Alibaba (阿里云百炼)	~2 元/万字	7	400 字/次	~2 分钟 /次	❌	✅	Via voice style	中文	SDK 流式	🟢 简单
Azure TTS Microsoft	~$1/百万字符	20+ + 自定义	2000 字/次	~10 分钟 /次	✅	✅	Via SSML (mstts:express-as)	100+	SDK 流式	🟡 中等
腾讯云 TTS Tencent	0.75 元/万字	380+ + 声音复刻	150 字/次	~30 秒 /次	✅	✅	Via SSML (精品音色)	中文、英文、粤语	WebSocket	🟡 中等
百度 AI TTS Baidu	灵活计费	30+ + 声音复刻	500 字/次	~2 分钟 /次	✅	✅	Native 情感合成 (喜悦/悲伤/中性)	中文、英文、日文	WebSocket	🟢 简单
MiniMax TTS MiniMax	~$1/千字符	300+ + 复刻 + Voice Design	3000 字/次	~5 分钟 /次	❌	✅	Native 8种情感 (happy/sad/angry/fearful/calm/whisper...)	40+ (中/英/日/韩/法/德/西/阿...)	REST only	🟢 简单
讯飞 TTS iFlytek (科大讯飞)	~2 元/万字	500+ + 声音复刻	200 字/次	~1 分钟 /次	✅	✅	Native 超拟人情感	130+ (中/英/日/韩/俄/方言语种...)	WebSocket	🟡 中等
ElevenLabs ElevenLabs (国际)	订阅制 $5/月起	20+ 预置 + 复刻	400 字/次	~2 分钟 /次	❌	✅	Via voice settings (stability/style)	32 (multilingual v2)	REST / WebSocket	🟢 简单 (需国际网络)
OpenAI TTS OpenAI (国际)	$15-30/百万字符	6	400 字/次	~2 分钟 /次	❌	❌		50+ (多语言自动识别)	REST	🟢 简单 (需国际网络)
Google Cloud TTS Google (国际)	$16/百万字符 (每月前100万字免费)	220+	400 字/次	~2 分钟 /次	❌	❌		40+ (含中文 cmn-CN)	REST	🟢 简单 (需国际网络)

📋 服务商详情

Edge TTS

Microsoft

🆓 免费 ⚡ 零配置 📝 SSML

费用免费

万字成本¥0

内置音色20+

单次最大字数2000 字

单次最大时长~10 分钟

SSML✅

声音克隆❌

情感合成Via SSML

方言支持—

语言100+

流式合成WebSocket

配置难度⚡ 零配置

安装pip install edge-tts

API 地址N/A (免费，无需注册)

环境变量无需

豆包 TTS

ByteDance (火山引擎)

🎬 短视频 🎵 抖音 🎭 声音克隆

费用~1 元/万字

万字成本~¥1

内置音色8 + 声音复刻

单次最大字数280 字

单次最大时长~1 分钟

SSML❌

声音克隆✅

情感合成情感预测版 (+1元/万字)

方言支持—

语言中文、英文、中英混读

流式合成WebSocket

配置难度🟡 中等

安装pip install requests

API 地址https://openspeech.bytedance.com/api/v1/tts

环境变量VOLCENGINE_APPID VOLCENGINE_ACCESS_TOKEN

🔊 声音克隆: seed-icl-2.0: 5秒音频即可复刻, 150元/音色/年

🔑 获取 API Key: https://console.volcengine.com/ark/region:ark+cn-beijing/apikey

CosyVoice

Alibaba (阿里云百炼)

🌊 流式 🚀 快速

费用~2 元/万字

万字成本~¥2

内置音色7

单次最大字数400 字

单次最大时长~2 分钟

SSML❌

声音克隆✅

情感合成Via voice style

方言支持—

语言中文

流式合成SDK 流式

配置难度🟢 简单

安装pip install dashscope

API 地址https://dashscope.aliyuncs.com/api/v1

环境变量DASHSCOPE_API_KEY

🔊 声音克隆: 音色复刻免费(合成正常计费): 10-20s公网URL音频, 1000音色/账户, 1年不用过期; tts.py clone create --platform cosyvoice

🔑 获取 API Key: https://bailian.console.aliyun.com/

Azure TTS

Microsoft

🏢 企业级 📝 SSML 🎭 声音克隆

费用~$1/百万字符

万字成本≈¥0.07 (按$1/M)

内置音色20+ + 自定义

单次最大字数2000 字

单次最大时长~10 分钟

SSML✅

声音克隆✅

情感合成Via SSML (mstts:express-as)

方言支持—

语言100+

流式合成SDK 流式

配置难度🟡 中等

安装pip install azure-cognitiveservices-speech

API 地址https://eastasia.tts.speech.microsoft.com/

环境变量AZURE_SPEECH_KEY

🔊 声音克隆: Custom Neural Voice: 需申请白名单, 300+句训练语料, 企业定制

🔑 获取 API Key: https://portal.azure.com/

腾讯云 TTS

Tencent

💰 最低价 📦 批量 🎭 声音克隆

费用0.75 元/万字

万字成本¥0.75 (大厂最低)

内置音色380+ + 声音复刻

单次最大字数150 字

单次最大时长~30 秒

SSML✅

声音克隆✅

情感合成Via SSML (精品音色)

方言支持粤语

语言中文、英文、粤语

流式合成WebSocket

配置难度🟡 中等

安装pip install tencentcloud-sdk-python-tts

API 地址https://tts.tencentcloudapi.com/

环境变量TENCENT_SECRET_ID TENCENT_SECRET_KEY

🔊 声音克隆: 一句话版(5-15s) / 基础版(10-20min), VoiceClone API

🔑 获取 API Key: https://console.cloud.tencent.com/tts

百度 AI TTS

Baidu

😊 情感合成 🗣️ 方言 🎭 声音克隆

费用灵活计费

万字成本按次预付费包

内置音色30+ + 声音复刻

单次最大字数500 字

单次最大时长~2 分钟

SSML✅

声音克隆✅

情感合成Native 情感合成 (喜悦/悲伤/中性)

方言支持上海话、河南话、四川话、湖南话、贵州话

语言中文、英文、日文

流式合成WebSocket

配置难度🟢 简单

安装pip install baidu-aip chardet

API 地址https://tsn.baidu.com/text2audio

环境变量BAIDU_APP_ID BAIDU_API_KEY BAIDU_SECRET_KEY

🔊 声音克隆: 大模型声音复刻: 任意音频→秒级复刻, 支持方言+情感迁移

🔑 获取 API Key: https://console.bce.baidu.com/ai/#/ai/speech/overview

MiniMax TTS

MiniMax

⭐ 最佳质量 🎭 声音克隆 🎨 声音设计 🌍 多语言

费用~$1/千字符

万字成本≈¥70 (按$0.10/K)

内置音色300+ + 复刻 + Voice Design

单次最大字数3000 字

单次最大时长~5 分钟

SSML❌

声音克隆✅

情感合成Native 8种情感 (happy/sad/angry/fearful/calm/whisper...)

方言支持—

语言40+ (中/英/日/韩/法/德/西/阿...)

流式合成REST only

配置难度🟢 简单

安装pip install requests

API 地址https://api.minimax.io/v1/t2a_v2

环境变量MINIMAX_API_KEY

🔊 声音克隆: 快速复刻: 10s-5min音频, 全球站$1.5/音色(国内站首次使用¥9.9); 新音色为临时音色, 创建后全球站7天/国内站48小时内需正式合成一次(试听不算)否则删除, 用过即永久保留; tts.py clone create --platform minimax

🔑 获取 API Key: https://platform.minimaxi.com/

讯飞 TTS

iFlytek (科大讯飞)

🎤 最多音色 🎓 专业级 🎭 声音克隆 🌍 多语言

费用~2 元/万字

万字成本~¥2

内置音色500+ + 声音复刻

单次最大字数200 字

单次最大时长~1 分钟

SSML✅

声音克隆✅

情感合成Native 超拟人情感

方言支持多方言 (粤语/四川话/东北话...)

语言130+ (中/英/日/韩/俄/方言语种...)

流式合成WebSocket

配置难度🟡 中等

安装pip install websocket-client

API 地址wss://tts-api.xfyun.cn/v2/tts

环境变量XUNFEI_APP_ID XUNFEI_API_KEY XUNFEI_API_SECRET

🔊 声音克隆: 一句话复刻(≈3秒): 500万+已创建声音, 130+语种, MOS>4.4

🔑 获取 API Key: https://www.xfyun.cn/

ElevenLabs

ElevenLabs (国际)

🌐 国际服务 ⭐ 最佳质量 🎭 声音克隆 🌍 多语言

费用订阅制 $5/月起

万字成本≈¥12 (Starter 档折算)

内置音色20+ 预置 + 复刻

单次最大字数400 字

单次最大时长~2 分钟

SSML❌

声音克隆✅

情感合成Via voice settings (stability/style)

方言支持—

语言32 (multilingual v2)

流式合成REST / WebSocket

配置难度🟢 简单 (需国际网络)

安装pip install requests

API 地址https://api.elevenlabs.io/v1/text-to-speech/{voice_id}

环境变量ELEVENLABS_API_KEY

🔊 声音克隆: Instant Voice Cloning: 1分钟音频即可复刻 (付费订阅); Professional 版需 30 分钟以上语料

🔑 获取 API Key: https://elevenlabs.io/app/settings/api-keys

OpenAI TTS

OpenAI (国际)

🌐 国际服务 🌍 多语言

费用$15-30/百万字符

万字成本≈¥1-2 (tts-1 / tts-1-hd)

内置音色6

单次最大字数400 字

单次最大时长~2 分钟

SSML❌

声音克隆❌

情感合成

方言支持—

语言50+ (多语言自动识别)

流式合成REST

配置难度🟢 简单 (需国际网络)

安装pip install requests

API 地址https://api.openai.com/v1/audio/speech

环境变量OPENAI_API_KEY

🔑 获取 API Key: https://platform.openai.com/api-keys

Google Cloud TTS

Google (国际)

🌐 国际服务 🌍 多语言 🏢 企业级

费用$16/百万字符 (每月前100万字免费)

万字成本≈¥1.2 (Neural2)

内置音色220+

单次最大字数400 字

单次最大时长~2 分钟

SSML❌

声音克隆❌

情感合成

方言支持—

语言40+ (含中文 cmn-CN)

流式合成REST

配置难度🟢 简单 (需国际网络)

安装pip install requests

API 地址https://texttospeech.googleapis.com/v1/text:synthesize

环境变量GOOGLE_TTS_API_KEY

🔑 获取 API Key: https://console.cloud.google.com/apis/credentials

🔧 Developer Reference

CLI Output Envelope

// Success
{"ok":true, "data":{...}, "meta":{"version":"...","schema_version":"1.1.0","timestamp":"...","ms":123}}

// Error
{"ok":false, "error":{"code":"auth_missing_env","message":"...","retryable":false,"field":"...","backend":"..."}, "meta":{...}}

Exit Codes

Code	Meaning	Agent Action
`0`	Success	Parse `data`, proceed
`1`	Internal / runtime error	Report to user, do not retry
`2`	Validation / input error	Fix input, retry allowed
`3`	Auth / missing credentials	Ask user for API key, do not retry
`4`	Backend API error	Retry with exponential backoff

Schema Introspection

tts.py schema backends           # All 11 backends (compact by default)
tts.py schema backends --full    # All 22 fields per backend
tts.py schema backends.doubao    # Single backend full detail
tts.py schema voices             # All voice presets
tts.py schema tags               # Tag definitions
tts.py schema version            # Version + data freshness

JSON Output Modes

Mode	Command	Behavior
Explicit JSON	`--format json`	JSON on stdout, diagnostics on stderr
Auto-detect	pipe / non-TTY	Auto JSON when stdout is not a terminal
Compact list	`schema backends`	11 fields (default), `--full` for 22
Field filter	`--fields name,cost,clone`	Agent chooses subset, saves tokens

Idempotency

tts.py --idempotency-key "my-job-42" --input script.txt out.wav
# Retried calls with same key → cached result (~/.ttscn_idem/)
# No double-billing. 7-day TTL.

Resources

📦 GitHub Repo · 📄 Markdown Comparison · 🌐 GitHub Pages · 📐 agent-native-design

🎤 ttsCN — 中文 TTS 服务商对比

📋 服务商详情

Edge TTS

推荐音色

豆包 TTS

推荐音色

CosyVoice

推荐音色

Azure TTS

推荐音色

腾讯云 TTS

推荐音色

百度 AI TTS

推荐音色

MiniMax TTS

推荐音色

讯飞 TTS

推荐音色

ElevenLabs

推荐音色

OpenAI TTS

推荐音色

Google Cloud TTS

推荐音色

🔧 Developer Reference

CLI Output Envelope

Exit Codes

Schema Introspection

JSON Output Modes

Idempotency

Resources