阿里音色克隆免费的吧.

minimax 一个音色 10 块钱，合成声音的话 4 元/1w 汉字

StyleTTS+Vocos ，开源的非自回归模型，可以直接部署在 cpu 服务器上，4090 上训练大概要一周左右。但是年头有点久了，效果比不上 cosyvoice/indextts 这些

微调 Kokoro TTS 吧，满足你的需求，速度快，可自定义音色（微调音色 pt 文件）

自己调模型 https://github.com/benjaminwan/ChineseTtsTflite

自己搭完就会发现还是云服务便宜

怎么没有 index-tts

@looveh RTX 3090 实测 120 字不到 20s

同推荐 minimax ，效果可以的。价格也不贵。

@bigtear 之前 Kokoro 放出来的中文一言难尽。。。不过能微调 Kokoro 的话确实又快又好。