不需要语音克隆，仅需要文字转语音，效果较好，重点是性价比高，花点小钱也没事
需求是将稿子转化为播客，但是由于文字量大，所以找不到什么好的开源模型（很多模型气口、停顿都很奇怪），望佬友推荐，大概播客时长为40-50分钟。
稿子内容为自己搞的一个信息源系统，打算在每天通勤或者健身的时候当播客来听。
同样蹲一个解决方案
我用的本地的indextts 2
有显卡的话，可以看Qwen/Qwen3-TTS-12Hz-1.7B-Base，或者lj1995/GPT-SoVITS，可以在hugging face上找到。
我也推荐看看楼上佬友说的qwen的tts模型。我之前用这个克隆过良子的声音，感觉还可以。
推荐佬看看minimax的tts，之前我也在找后来看站内一个每日播报佬的口播很不错，我自己复刻了日报男生的声音，用来做群总结的日报播报，很不错。。
豆包语音因该是最好的，但效果还是差强人意
qwen3TTS,0.6B和1.7B可选,MAC和Windows随便跑,我生成10min的音频大概3min,音色还支持克隆自己喜欢的音色来生成
网上的整合包还挺好用的。。。。。
码住学习一下，我一般就是用祁风tts转成微软晓晓自己听，一直都是这样，也没有什么好的办法，手机的话，有个旧版的讯飞有声，之前就是洗漱和通勤的时候把公众号内容分享给它然后进行播报，这样用很久了，感觉还是前ai时代的产物 
佬要不看下MultiTTS用微软离线晓晓音色配合阅读app呢，我是用这个长时间听小说的
佬，什么整合包？能讲具体点嘛，，
什么整合包？同样蹲一个解决方案…
小米的mimo用的好的话其实不错的，他有个导演模式