BiliVoice:免费 AI 声音克隆

  • 所有模型每天均提供免费额度——今天就克隆一个声音,为你的第一份文稿配音。
  • 集成排名前十的语音模型中的五款——包括 IndexTTS2.5、OmniVoice、VoxCPM2 等,通过统一 API 即可调用。
  • 自有 H100 集群——实时因子(RTF)低于 0.2,生成 12 万字符的语音仅需 0.0014 美元。
浏览声音库
5 款模型热门榜前十占 5 款
2B 每日处理字符
120K 每 $0.0014 可生成字符
60K 每日音频小时数
模型数量热门榜前十占 5 款
生成规模规模分摊成本 · 更便宜、更稳定
算力自营 H100 · RTF<0.2
三项领先模型 · 规模 · 算力

所有模型,一个网站

Bilivoice 是一个聚合平台,而非单一模型:十大最受欢迎的语音模型中,有五款可通过统一 API 调用。你可以并排比较模型、一键切换,并直接在当前页面生成语音。每张卡片上的徽章都会显示该模型在 voicebox.xin 的 TTS 排行榜中的排名及其开发者。所有模型均可使用每日免费额度。

TTS 聚合 · 统一 API

所有模型均通过同一平台调用,采用统一参数格式、音频输出及定价。原生支持 OpenClaw、Coze、WorkBuddy 等主流智能体平台。

  • 统一 API
  • 原生智能体支持
  • 一键切换模型
  • 统一计费
Bilivoice 多模型 TTS 聚合,统一 API 接入
热门榜第 6 名
IndexTTS 1

IndexTTS 1

免费
由 Bilibili 发布

每天都能免费使用。只需几秒音频,即可忠实还原声音,即使只有一小段录音也能完成克隆。最适合批量配音和长篇旁白。

热门榜第 1 名
IndexTTS2

IndexTTS2

情感控制
由 Bilibili 发布

自由调节情感表达:选择情感标签、设置强度,同时保留你克隆的声音。最适合游戏对白、短剧和以角色为核心的有声书。

热门榜第 1 名
IndexTTS2.5

IndexTTS2.5

最新版本
由 Bilibili 发布

最新的 IndexTTS 版本——声音克隆更强、情感表达更细腻、音质更好,无需调参。最适合作为日常配音和旁白的默认选择。

热门榜第 4 名
OmniVoice

OmniVoice

600 多种语言
由小米发布

支持 600 多种语言和 20 多种方言,提供多数模型不具备的方言模式,还支持多角色对话。最适合本地化配音、地方语言视频和多角色项目。

热门榜第 5 名
VoxCPM2

VoxCPM2

录音棚级音质
由 OpenBMB

支持 30 种语言,提供高码率、高保真音频,生成速度足以满足长音频的批量处理需求。最适合播客、广告及需要母带处理的音轨。

更多模型即将上线

我们持续紧跟前沿动态

听到真实的声音

收听由 Bilivoice 生成的高质量语音样本。

高保真声音克隆

原始音频
克隆音频
克隆

如何实现高度现实的语音克隆结果?

使用 Bilivoice 支持的 IndexTTS2.5、OmniVoice 等模型,实现高保真声音克隆。

跨语言克隆

原始音频
西班牙语
多语言
中文
多语言
日语
多语言
韩语
多语言
法语
多语言
德语
多语言

如何实现跨语言语音克隆?

使用支持多语言的 Bilivoice 模型进行跨语言声音克隆。语言覆盖因模型而异。

情感与风格控制

原始音频
快乐
情感
平静
情感
伤心
情感
愤怒
情感
忧郁
情感
恶心
情感
恐惧
情感
惊讶
情感

如何增加情感和控制语音风格?

使用 IndexTTS2.5 的情绪控制,微调情绪、强度和表达风格。

口音转换

原始音频
英国英语
口音
澳大利亚英语
口音
中式英语
口音
印度英语
口音
俄式英语
口音
加拿大英语
口音
日本英语
口音
美式英语
口音
葡萄牙语英语
口音
韩语英语
口音

如何用不同口音与同声?

使用 Bilivoice 支持的多语言模型,在切换语言和口音时保持音色。

演示样本由 AI 生成,仅用于展示 Bilivoice 的语音克隆能力,不代表任何真实人物或品牌背书。

自建 H100 集群 · 算力领先

我们自营 NVIDIA H100 集群,完整控制从裸机到推理框架的技术栈。多数模型 RTF 低于 0.2,10 秒音频约 2 秒生成,从源头消除中转时延、限流与不稳定。

自建 H100 集群

自建 NVIDIA H100 集群全天运行,无第三方限速、无排队、无服务降级,高峰时段依然流畅。

零中转 · 即时响应

请求直达自有计算节点:无代理层、无 API 转发链。多数模型 RTF 低于 0.2,10 秒音频约 2 秒生成,长文本数秒即完成。

超高稳定性

跨数据中心热备与智能负载均衡,在每天处理 20 亿(2B)字符的同时保持 99.9% 可用性。单节点故障时可无感切换。

超低成本

我们去掉中间商差价,将节省的算力成本直接让利。$0.0014 可生成 12 万(120K)字符,10,000 字符不到 $0.14,价格易于负担。

Bilivoice 自建 H100 AI 算力集群
Bilivoice AI 算力,配合智能负载均衡与低时延服务
2B UTF-8 每天处理的字符
99.9% 服务可用性
<1s 平均响应时延
RTF<0.210s 音频 · 2s 生成

Bilivoice 对比 ElevenLabs

同样的 12 万(120K)字符,Bilivoice 费用为 $0.0014,ElevenLabs 约 $12。前十开源模型中有八款共用统一 API,全部由自建 H100 集群提供服务。

特性 Bilivoice 最佳价值ElevenLabs
120K 字符的费用 $0.0014 ≈ $12.00
每 1M 字符的价格 $0.012 ≈ $100
TTS 可用模型前 10 名中占 5 款,可自由切换1 个自研模型家族
声音克隆20 秒样本,音色不限量即时克隆; 来自创建者的Pro 克隆
语言600+ 种语言、20+ 种方言29 种语言
开源模型对 — IndexTTS, OmniVoice, VoxCPM2…没有
算力拥有 H100 集群,零中继管理云
免费档每日免费额度10K 字符/ 月, 非商业
统一 API一个 API,统一计费统一 API,按模型计费

ElevenLabs 数据取自其公开的 TTS API 费率(每 1,000 字符 $0.10)及公开套餐额度(2026 年 9 月)。Bilivoice 使用相同的 120K 字符基准,费用为 $0.0014。

为什么 Bilivoice

三项全面领先——模型数量、生成规模与算力——为你的语音业务提供端到端支撑

模型数量

聚合 IndexTTS 1、IndexTTS2、IndexTTS2.5、OmniVoice 和 VoxCPM2 五款热门模型,占前 10 名中的 5 款。主流模型基本都在这里,可在同一平台自由切换,无需在多个工具间来回比较。

生成规模

每天处理 20 亿(2B)个 UTF-8 字符、生成 6 万(60K)小时音频。这样的规模让每 12 万(120K)字符 $0.0014 成为可能;真实流量持续验证系统,使稳定性与可用性保持在 99.9%,支持各种规模的批量任务。

算力

自建 NVIDIA H100 集群,零中转直连推理。多数模型 RTF 低于 0.2——10 秒音频约 2 秒——批量任务也无需久等。

数百万用户信赖的划时代配音工具

各行各业的创作者都冲着同样的三项领先而来:模型数量、生成规模与算力

我可以用同一脚本试听 5 款模型,包括 IndexTTS2、IndexTTS2.5、OmniVoice 等,音色不合适就切换。热门模型基本都在这里,短视频配音风格切换即时完成,产出翻了一番。

S
短视频创作者内容创建

H100 集群是真的快:多数模型 RTF 低于 0.2,10 秒音频约 2 秒。上传即出旁白 我的发布排期再也不用等配音 — 听众反馈沉浸感强了很多。

P
播客主播音频制作

一本有声书动辄几十万字,我原本担心费用高、运行不稳。Bilivoice 日处理 20 亿(2B)字符的规模摊薄了成本,10,000 字符不到 $0.14;每天 6 万(60K)小时的输出也体现了稳定性。长文本批量任务一次完成,不用再担心。

A
有声书制作人出版

我们数百小时的企业课程库都用 Bilivoice 制作。自营算力与零中转让 API 快速稳定,音色一致、交付及时。培训视频制作流程再也不用操心。

C
企业培训师企业

游戏配音需要大量不同角色,五款聚合模型提供了丰富音色,热门榜上的模型几乎都在这里。浏览器内实时调音,成本低、效果好,也明显加快了开发。

G
游戏开发者游戏

我的每日内容制作全靠它。热门模型基本都在这里,选好一款就能持续使用。RTF 低于 0.2,配音几乎瞬间完成。每日发布从压力变成乐趣,节目音色也始终一致。

M
独立创建者新媒体

问题,已回答

你可能想知道的关于 Bilivoice

Bilivoice 是领先的声音克隆与配音平台。单模型工具只提供一种选择,而 Bilivoice 聚合热门语音模型,占前 10 名中的 5 款,并使用自有算力每天处理 20 亿(2B)个 UTF-8 字符。规模摊薄成本,真实用量验证可靠性,价格低于同类工具,并避免转发第三方 API 带来的时延与不稳定。一个平台、一个 API、一张账单,覆盖所有模型。

Bilivoice 原生支持双语配音,也覆盖多种方言。跨语言转换时,切换语言仍能完整保留声音特征。

三步:1. 录制约 20 秒干净语音,无噪声、无背景音乐;2. 在"创建声音模型"页面上传并命名 3. 在配音页面选择音色,输入文本并生成。

可以。模型经过专门训练,能根据上下文判断多数常见多音字的正确读音,无需手动标注发音。

20 秒左右最理想。音频应无环境噪声、背景音乐、其他说话人及混响。样本质量越好,结果越好;素材不达标时,请先做人声分离或降噪。

控制台生成的文件保留三天,通过 API 生成的文件保留一天 — 立即下载。 语音样本与声音模型在会员有效期内长期保存,到期后保留一个月。

可以。Bilivoice 提供完整 API,可在自己的产品中集成声音克隆、配音及情感语音合成。自有算力配合多数模型低于 0.2 的 RTF,使响应速度与稳定性领先于中转服务。欢迎联系我们咨询定价与接入。

语音克隆与 AI 配音,行业领先

Bilivoice 是领先的声音克隆与配音平台,在模型数量、生成规模和算力三方面领先。平台聚合 IndexTTS 1、IndexTTS2、IndexTTS2.5、OmniVoice 和 VoxCPM2 五款热门模型,占前 10 名中的 5 款。规模摊薄单位成本,真实用量验证可靠性:每天处理 20 亿(2B)个 UTF-8 字符、生成 6 万(60K)小时音频,相当于近七年连续播放,因此价格更低、服务更稳。自建 NVIDIA H100 集群,无 API 中转,保持 99.9% 可用性。国际团队由 AI 科学家、语音专家和资深产品工程师组成,依托多模态模型与语音合成经验,突破低资源高保真配音瓶颈,为企业和创作者提供快速、逼真、可靠的 AI 语音服务。

模型数量领先 · 主流模型一站聚合

自 2016 年起,我们汇集来自 Google、Microsoft 和清华的工程师,构建原创语音架构。IndexTTS 1、IndexTTS2、IndexTTS2.5、OmniVoice 和 VoxCPM2 五款热门模型,占前 10 名中的 5 款,仅需三秒音频即可复现声音,捕捉情感韵律与呼吸细节。

算力领先 · 自建 H100 集群

自建 NVIDIA H100 集群,配合跨数据中心热备与智能负载均衡。多数模型 RTF 低于 0.2,10 秒音频约 2 秒生成,服务可用性为 99.9%,从架构上消除中转时延。

规模领先 · 更便宜、更稳定

整个产品线每天处理 20 亿(2B)个 UTF-8 字符,合成 6 万(60K)小时音频,相当于近七年连续播放。规模摊薄单位成本,让专业配音价格人人可负担;每天的实际流量持续验证系统,保障稳定性与可用性。