发现一个文字转语音工具，终于不用等了

上周在做一个视频配音的时候，遇到了一个让我抓狂的问题：

我用的那个TTS工具，每次都要把整段文字输入完，等它处理个十几秒，才能听到效果。改一个字，又要重新等。来回折腾了一下午，我的耐心彻底耗尽了。

然后我就想，有没有那种边打字边出声的工具？

还真让我找到了——VibeVoice。

它解决了什么问题？

说白了就是一个字：快。

从你输入文字到听到声音，大概300毫秒。什么概念？基本上就是你打完一句话，声音就跟着出来了。

而且它支持流式输入，意思是你不用等整段话写完，它会一边接收你的文字，一边生成语音。这对于需要实时配音的场景来说，简直是刚需。

几个我觉得实用的点

1. 体积小，跑得动

0.5B的参数量，在Mac上跑起来完全没压力。不像有些模型动不动就几个G，电脑风扇呼呼转。

2. 支持长文本

之前用过一些TTS工具，长一点的文章就会卡顿或者断句奇怪。这个在长文本生成上表现还挺稳的。

3. 多语言能用

虽然主要是为英语设计的，但德语、法语、日语、韩语这些也能用。我试了下日语，效果比我预期的要好。

本地运行，数据不出门

这点对我来说挺重要的。

有些在线TTS服务，你不知道你的文字会不会被存下来。而VibeVoice可以完全在本地跑，所有数据都在你自己电脑上处理。

如果你经常处理一些敏感内容，或者单纯不想让自己的文字被上传到服务器，本地运行是个更安心的选择。

怎么用？

我已经把它打包成了Mac一键启动版，下载下来就能用，不用折腾环境配置。

注意：需要Mac M系列芯片

安装步骤：

1. 1. 下载DMG文件，把app拖到Applications文件夹
2. 2. 首次打开的时候，在应用程序文件夹里右键打开（不要直接从启动台点）

就这么简单。

📥 下载地址：https://aifun.fans/538

如果你也在找一个响应快、能本地运行的TTS工具，可以试试看。

有什么使用上的问题，评论区聊。