核心要点 (BLUF)： 文本到语音直接在浏览器中将键入的文本转换为语音：输入文本，选择语言和语音，然后获取音频文件。文本和音频永远不会离开您的设备，不收取代币费用，并且这里没有付费API。该模型了解600+种语言，并且可以从您自己的音频（上传的文件或麦克风录音）中克隆语音。结果在播放器中播放并作为 WAV 文件下载。
这是语音合成：文本输入，声音输出。使用它用您自己或选择的声音为视频配音，构建草稿画外音轨道，检查文本在另一种语言中的发音，或者只是听一篇长文章而不是阅读它。
交付通过文本指令控制：平静的阅读、耳语、快乐或悲伤。情感与文本而不是滑块一起设置，因此结果听起来更自然。
该工具附带了一个现成的声音库——男性和女性，不同的音色。选择一种语言和声音并开始发声。
如果您需要自己的声音，请从一个简短的样本中克隆它：上传音频文件或从麦克风录制 15-30 秒。该工具分析样本并将声音添加到您的列表中 - 然后像其他声音一样选择它。创建的声音保留在浏览器中，并在页面重新加载后继续存在。
文本和音频永远不会离开您的计算机：没有线路连接到我们的服务器或其他任何人的服务器。模型加载到浏览器一次（大约 3 GB 权重），然后从缓存中取出，同时计算在显卡上运行到 WebGPU。如果显卡不可用，引擎会诚实地返回到处理器并告诉您这一点 - 这明显慢了。
语音不收取任何代币费用：它是一个免费工具，可以在您的硬件上运行，而不是在我们的硬件上运行。
输入字段最多可容纳 20,000 个字符。长文本在句子边界被分成几个部分，并在短暂的停顿下一个接一个地发出声音——无论长度如何，节奏都保持均匀，并且在最后没有丢失任何内容。进度条显示正在阅读哪一部分。
您可以在任何步骤取消：取消后，新的运行立即开始，无需重新加载页面。
该工具在桌面上的Chrome或Edge中效果最佳，其中WebGPU可用。在没有 WebGPU 的浏览器中，语音是在处理器上生成的 (WASM)：它仍然有效，但速度明显较慢，尤其是对于长文本。
第一次运行需要更长的时间：下载权重并预热声音，以便第一个结果听起来很干净。后来的跑步速度要快得多。
是的。模型及其权重将加载到浏览器中，并在您的设备上运行计算。文本、麦克风录音和生成的音频永远不会上传——该工具根本没有付费API。
没有什么。不收取任何代币费用：它是一个在您的计算机上进行计算的免费工具。
是的。输入字段最多可容纳 20,000 个字符，长文本会在连续的部分中朗读，因此不会丢失任何内容。
上传带有语音样本的音频文件或通过麦克风录制 15-30 秒。该工具分析样本，声音会出现在您的列表中 - 您可以用它来为任何文本配音。
这意味着浏览器无法使用显卡（WebGPU）并且引擎切换到处理器——速度较慢，但 结果相同。您可以重新加载页面并重试：此时显卡通常已空闲。
600+ 种语言。您可以手动选择语言或启用自动检测。
在 2026-10-08 至 2026-11-07(30天)期间,NeuralSpace 平台成功完成了 19,617 次创作:16,254 张图片、2,265 个视频和 1,098 首音乐曲目。来源:NeuralSpace 内部数据库(仅匿名汇总数据,不含提示词、名称或标识),统计日期 2026-11-07。N = 19,617。