请先点击右上角设置图标配置 API Key（数据不经过服务器，直连供应商）
0/5000
支持输入、粘贴或拖拽文件
🇨🇳 中文音色4 个
冰糖♀ 女声
甜美温柔，适合日常朗读与故事讲述
温柔甜美日常
茉莉♀ 女声
知性优雅，适合新闻播报与知识分享
知性优雅播报
苏打♂ 男声
活泼俏皮，适合短视频与趣味配音
活泼俏皮年轻
白桦♂ 男声
沉稳大气，适合纪录片旁白与有声书
沉稳大气旁白
🇺🇸 英文音色4 个
Mia♀ 女声
温暖亲切，适合讲故事与日常对话
温暖亲切故事
Chloe♀ 女声
专业清晰，适合演示汇报与商务场景
专业清晰商务
Milo♂ 男声
充满活力，适合播客与互动内容
活力热情播客
Dean♂ 男声
低沉有力，适合旁白解说与纪录片
低沉权威解说
在文本中使用 (标签)文本 格式，支持多标签混用，如：(调侃)你当时不是说稳得很吗…(愤怒)现在整艘船都在报警！
模型支持从简短单句到结构化导演脚本（CHARACTER/SCENE/DIRECTION）的多层级指令
保存常用的音色+风格组合为预设
关于音频怪物
音频怪物是一款免费在线 TTS 语音合成工具，支持小米 MiMo、硅基流动（SiliconFlow）等多家 AI 语音供应商接入。 提供标准合成、多角色对话、批量合成三种工作模式，适用于视频配音、有声书演播、播客制作、在线课程、产品演示等多种场景。 所有请求直连供应商，API Key 仅存储在本地浏览器，数据安全有保障。
🎙
标准 TTS 合成
输入文本，选择音色，一键生成高质量语音，支持情感风格调节。
💬
多角色对话
为每个角色分配独立音色，按顺序合成完整对话，适合有声书和剧本演播。
📋
批量合成
一次性处理多段文本，完成后打包下载，大幅提升视频配音效率。
🎤
音色克隆
上传声音样本，克隆专属音色；或用自然语言描述生成定制音色。