6 款中文 AI 配音模型,60 组两两盲听。拿下本次第一名的是开源模型,但它和豆包正面交手 3 次,结果全是平手。
这期把盲测方法、翻车片段、最终排名和使用成本放在一起,最后按“有没有显卡、愿不愿意配置环境”给出两条选择路线。选择表见置顶评论。
测试模型:Qwen3-TTS、IndexTTS-2.5、VoxCPM2、CosyVoice 3、豆包 Seed-TTS 2.0、MiniMax Speech 2.8 HD。
00:15 参赛选手
00:38 盲测标准与流程
02:14 排名揭晓
02:34 各家对比
03:22 价格与选择
测试说明:7 段短文本、同一套男女声参考、每家每段取一次生成结果,共 42 条音频;60 组是两两对比次数,不是 60 位评测者。声音参考为 AI 合成,闭源参考取自其试听音频。本次结果是我个人对这批样本的听感判断;投票时隐藏模型名,但评测过程中看过阶段排名,不是全程双盲实验。价格按 2026 年 10 月本期核验口径,实际计费以官方页面为准。
主要资料:
Qwen3-TTS:https://github.com/QwenLM/Qwen3-TTS
IndexTTS:https://github.com/index-tts/index-tts
VoxCPM:https://github.com/OpenBMB/VoxCPM
CosyVoice:https://github.com/QwenAudio/CosyVoice
豆包语音:https://docs.volcengine.com/docs/6561/1829010
MiniMax 计费:https://platform.minimax.cn/docs/guides/pricing-paygo