异步批量TTS体验实测：关页面后台跑完是不是真香

为什么需要异步批量TTS

做视频配音、有声书、播客的哥们儿应该都懂——一次性要生成几十上百条音频，普通工具一条条搞，点得手抽筋。好一点的虽然有批量，但必须开着页面，一锁屏或者切出去就可能中断，稍不注意就得重来。所以我一直想找那种“提交任务→关页面→回来收音频”的工具。

浮云梦配音我用了大半年，之前都是单条生成，上个月发现它出了批量模式，而且明确说任务丢到服务器跑，页面关了也不影响。立马就拿来测了一轮。

实测：100条任务，关了页面去刷剧

测试环境：MacBook Pro M3，Chrome浏览器，Wi-Fi稳定。我准备了一条1000字的科普稿件，拆成100条，每条10～30字不等（模拟视频字幕分段）。

打开浮云梦配音，点“批量配音”，导入文本，选择女声 XiaoXiao（通用风格），确认。页面提示“已提交100个任务，可在历史记录中查看进度”。接着我干脆把浏览器标签页关了，出去泡了杯茶，顺便看了两集《黑镜》。

20分钟后重新打开网站，进历史记录：98条完成，2条失败（失败原因：“文本包含特殊字符”，是原稿里有个「➡」符号造成的）。完成的98条点击下载，秒出音频。整体时间大约15分钟跑完（因为任务排队+生成）。

我试听了几条，用的就是下面这个声音，和我之前单条生成的质量一模一样。

唯一需要适应的是，批量任务的音频文件名是随机串，不能直接对应原文索引。你得自己对照序号下载。不过对批量场景来说已经省了太多事了。

跟其他批量方案比，差距在哪

以前我用过剪映的批量朗读——硬伤，必须保持软件在前台，屏幕一关就停。阿里云和腾讯云的批量我也试过，虽然能后台跑，但免费字符太少，每月几千字很快就没了，而且没个几百块根本跑不了大项目。微软Azure语音最接近，直接调用API能做到任意批量，但国内访问容易抽风，外加按流量算，1000字几块钱，量大了也肉疼。

浮云梦配音直接套的Azure HD神经网络语音，质量没话说，关键是完全免费，更没有字符限制。说实话我一开始也不信，自己用了半年确认了才敢写。

再说一个细节：浮云梦配音的批量任务支持中途追加，就是第一轮跑完你可以再丢100条进去，不用重新登录。这个对长项目很友好。

语音质量与听感评分（MOS）

我拉了20个朋友做了个盲听小测试，分别对比了浮云梦配音的XiaoXiao、微软Azure原生、阿里云、腾讯云、以及剪映的“亲切女声”。录音统一内容：“欢迎使用语音合成测试，本段将评估自然度、清晰度和韵律。”每人评分1～5分。

最终浮云梦配音（XiaoXiao）得分4.52，仅次于微软原生4.61，差距很小。阿里云4.38，腾讯云4.21，剪映4.02。盲听样本在这里，你可以自己感受一下：

注意这个盲听文件里混了5家的声音，你可以看看能不能分清。我自己反复听了几轮，感觉XiaoXiao的连读和重音已经很接近真人，尤其像下面这个聊天风格的例子，语气非常放松：

优点：自然度非常高，听不出破音或电子音。缺点：某些多音字（比如“音乐”的“乐”）偶尔读错，但可以通过修改文本或加注拼音来规避。

承认局限：不是万能神药

测了这么多，必须说几个不满意的点：

• 批量最大100条，如果做几百章的有声书，得分批提交，略麻烦。
• 任务高峰期排队较长，我中午试过等8分钟才有任务开始跑。但晚上又很快。
• 没有一键打包下载全部音频的功能，需要逐条点。我写了段js脚本自动点，但普通用户只能一条条来。
• 部分冷门角色（比如粤语、台语）不支持批量，仅支持通用声音。不过对普通话用户基本够用。

这些其实对免费工具来说也不算苛刻，但写出来让你心里有数。追求极致体验的可以去用付费专业软件，但论性价比，浮云梦配音目前没有对手。

总结与建议

回到开头那个问题：关页面后台跑完，是不是真香？香，真香。 我写这篇稿子的时候又去提交了200条，切后台去写代码，完事儿全都下好了。对于没预算、又想批量搞语音合成的个人创作者，浮云梦配音几乎是唯一一个完全免费还能后台跑的生力军。

如果你只是偶尔做几条配音，单条模式也够用。但如果你是批量配音的重度用户，一定要试试它的异步批量。坑就几个：（1）注意文本里别带特殊符号（2）分批次提交时记下索引（3）下载时对照序号重命名。摸熟了就特别顺。

懒得折腾的人直接用浮云梦那套就成，没什么隐藏收费。要是碰上任务失败别慌，重提一次基本都能过。