AI 克隆我的声音：CosyVoice 2、IndexTTS 2.5、VoxCPM 2、Voicebox 四个工具实测，我只留下一个

我用同一篇稿子、同一段参考录音，让四个开源声音克隆工具学我说话。结论先说：三个各翻各的车，我只留下一个（Voicebox）；而且决定像不像的，不只是工具，还有那十几秒参考录音。下面是四个工具各自的翻车点和全部数字。

▶ 视频直达：https://youtu.be/j1ik7vmLSiA

测试条件：同一台电脑、同一篇稿子、同一段参考录音

全部在同一台高配苹果电脑（128GB 内存）上测得，这台电脑之外的设备我没测过；云端克隆（例如 MiniMax 等）我也没测过，不替它们打包票。

CosyVoice 2（阿里巴巴开源）：最慢，一加语气要求男声变女声

08-03 验收时很像我本人，但同一篇稿子要跑 12.2 分钟，四家最慢；而且只要加一句语气要求，男声当场变女声，8 次里 8 次变坏。

IndexTTS 2.5：内存涨到 159GB，结论不像

开头不多念，但在我这台电脑上内存一路涨到 159GB，而这台电脑物理内存只有 128GB。我的结论：不像。

VoxCPM 2（面壁智能开源）：最快，但有沙沙底噪

四家里最快，2.9 分钟跑完，但声音里一直有沙沙的底噪。

Voicebox：像我，但开头总多念两个字「观感」

Voicebox 是一款开源桌面配音软件，内装阿里千问语音模型。3.4 分钟跑完，我的结论：像。但 14 段稿子每段开头都多念了两个字「观感」。换一段参考录音后，这个毛病从 10/10 变成 0/10。

参考录音怎么录（不管用哪个工具都适用）

1. 录长一点，我这次录了 17 秒
2. 语气要有起伏，别平着念
3. 最后一句说完，留一秒安静再停

本文数据均为本人真机实测，不同机型、稿子、参考录音结果会不同，请以自己的实测为准。本视频旁白为本人声音的 AI 克隆。

上一篇：别再练提示词了，AI 差的是这口食材｜为什么你必须有个 AI 知识库

下一篇：HeyGen 数字人值不值得订？同一条视频我用 HeyGen 和 MiniMax H3 各做一遍：标价差不多，账单差 2.5 倍

更多真机实测视频，见 YouTube 频道「富爸爸AI实测」。