Coqui：开源语音合成与声音克隆利器，XTTS-v2 用 6 秒样本复刻人声

官方背景

Coqui 源自 Mozilla TTS 团队，是知名的开源语音 AI 项目。其核心是 MPL-2.0 许可的 Coqui TTS 库，用于语音合成与声音克隆；旗舰模型 XTTS-v2 支持 17 种语言、仅需 6 秒样本即可克隆声音、无需训练。原公司商业平台虽已收缩，但开源社区与 XTTS 模型持续活跃，coquitts.com 则提供基于这些模型的云端服务。

核心能力

① XTTS-v2 声音克隆：6 秒样本复刻音色、跨语种克隆；② 17 种语言多语种合成；③ 实时/流式推理（文档称 <200ms）；④ 可本地自托管；⑤ 微调训练自有声音；⑥ 精细控制语速、情感、音高、风格；⑦ 支持 VITS 等多种模型。

应用场景

视频与动画配音、游戏角色语音、无障碍朗读（TTS）、语音助手音色、有声书旁白、个性化语音生成。凡是「把文字变成自然、可控、带特定音色的人声」的场景，Coqui 都是开源首选。

定价与可及性

开源库免费（MPL-2.0），本地运行仅耗硬件成本。云端 coquitts.com：Free 3 Credits（无商用授权）、Starter $9.9/月 100 Credits、Creator $19.9/月 300 Credits、Pro $69.9/月 1500 Credits（含商用授权）；XTTS 商用权重年授权约 $365。开发者可 pip install TTS 自用。

立即体验 Coqui →

Coqui · Coqui 源自 Mozilla TTS 团队，是知名的开源语音 …