几种朗读方式：云端、本地离线、本机 CosyVoice、系统语音

Soniva 桌面端里能把文字读出来的方式有五种。它们的区别在三件事上：要不要钱、要不要联网、读出来的声音能不能存进资源库。

适用于 Soniva 桌面端（Mac / Windows）。核对日期：2026-10-14。

---

一、一张表看懂

云端两种的详细说明见 声音引擎，本页重点讲后面三种。

---

二、本地离线语音包（Kokoro）

在你自己的电脑上合成声音，不经过任何服务器。

• 怎么开：设置 → 文字转语音 → 品牌选「本地语音模型」→ 下载一个语音包。点下载就开始，不用去网站挑文件。
• 三个版本（同一批音色，装一个就够）：

• 音色：中文、英文的男声和女声。
• 存进资源库：朗读时逐段自动存成音频，带「Kokoro」和音色标签；同一段文字用同一个音色读第二次，不会重复存。
• 能不能商用：Kokoro 模型以 Apache-2.0 许可发布，生成的音频可以自由使用，包括商用。
• 内存提醒：电脑可用内存不够时，Soniva 会先提醒你，确认后再合成。

三、本机 CosyVoice（仅 Mac）

阿里开源的 CosyVoice 语音模型，装在你自己的 Mac 上运行。

• 怎么开：设置 → 文字转语音 → 品牌选「本地语音模型」→ 左侧「模型」里选 CosyVoice，点「安装」。安装、启动、停止都在软件里点按钮完成，不需要敲命令。
• 占用：运行时约 4–8 GB 内存；退出 Soniva 时服务会一起关掉，不会在后台一直占着。
• 开启后：所有朗读都走它（独占模式）。服务没启动时会明确提示，不会悄悄换成别的声音。
• 适合：长文档批量朗读。实时对话里建议用更轻的音色。
• 克隆音色：可以用一段录音克隆出新音色。只克隆你自己、或已经取得本人同意的声音。
• 存进资源库：逐段自动存，带「CosyVoice」和音色标签。
• 能不能商用：CosyVoice 以 Apache-2.0 许可开源，生成的音频可以自由使用；克隆别人的声音另需本人授权。
• Windows：暂不支持。

四、系统自带语音

调用 Mac 或 Windows 自带的朗读引擎。

• 免费、不用登录、不限次数。
• 不会存进资源库，原因有两个：
  1. 系统朗读引擎只负责发声，不把音频交给软件，Soniva 拿不到声音文件；
  2. 系统音色的许可有限制。比如苹果只允许系统音色用于个人、非商业用途，不允许录下来公开发布或商用。
• 想要能保存、能商用、又免费的声音，用上面的 Kokoro 本地语音包。

---

五、怎么选

相关文档

• 声音引擎：系统语音、云端 AI 音色与自带 API Key
• 长文本朗读：自动分段是怎么回事
• 各家接口的并发与速率上限