語音合成對比
VibeVoice 與常見及開源 TTS 模型的並列比較。屬概略、非窮盡的整理——各方強項依使用情境而異。
VibeVoice MIT · 開源 可自架 | gpt-4o-mini-tts $0.015/分 OpenAI 可指揮 | ElevenLabs $99+/月 雲端 SaaS | F5-TTS 開源 單句強 | XTTS-v2 開源 Coqui | SparkTTS 開源 0.5B 複製 | CosyVoice 2 Apache-2.0 Alibaba 串流 | |
|---|---|---|---|---|---|---|---|
| 多語者長對話一致性 | check | — | check | — | — | — | — |
| 單次最長 90 分鐘 | check | — | — | — | — | — | — |
| 即時串流（低延遲） | check | check | check | — | — | — | check |
| 零樣本聲音複製 | 參考音 | — | check | check | check | check | check |
| 語言廣度 | 英 / 中 | 50+ | 多語 | 英 / 中 | 17 種 | 英 / 中 | 多語 |
| 自架 / 本地部署 | check | — | — | check | check | check | check |
| 開源授權 | MIT | — | — | 開源 | 非商用 | 開源 | Apache-2.0 |
| 頂尖單句音質 | 很好 | check | check | check | — | 不錯 | check |
| 開箱即可商用 | 研究用 | check | check | 自評 | — | 自評 | check |