为什么现在大家都在找「免费」的本地 TTS 模型？

🔴 高额的 API 费用——市面上主流的云端 TTS 服务。 按字符或 token 计费，长期使用成本惊人。 其实，

🔴 隐私泄露风险——语音数据上传到第三方网站。敏感信息可能被泄露，

🔴 网络不稳导致延迟——实时播报或交互式应用。一旦网络卡顿，使用者体验直线下降。其实，

🔴 Token 用尽后功能受限——特别是开发者和写文章者。频繁调用会很快耗尽额度，

这些痛点让我开始思考：有没有一种既零成本又能在本地离线运行的 TTS 方案？答案是——找到了！

我在油管偶然发现的宝藏模型：Confucius4‑TTS

模型体积仅 0.3B无需参考文本即可进行零约束声音克隆，非常适合本地部署。它支持多语言、多情绪，而且采用 Apache 许可证，商用无忧。按理说，

说到第一次尝试，把博主娜娜的声音搬进 WeSight 桌宠

深夜刷到喜欢的博主更新视频。声音太好听，我忍不住把娜娜搬进了我的 WeSight 桌面宠物。现在只要开启任务，桌宠就会用娜娜的声音实时播报任务进度，让我不再盯着屏幕。

示例：

• 再看简单任务。娜娜会先说「我开始想一下」，随后报告结果，最终以开心的语气宣布「任务完成啦！」，
• Coding 场景：在 WeSight 中调 Claude Code 编码时她会配合「vibe coding」的氛围，让深夜不再孤单。

自定义音色，让每个桌宠都有专属声音

1. 在设置 → 通用 → 桌面宠物中开启桌宠功能。
2. 打开「自定义音色」，为每只宠物挑选喜欢的声线。
3. 支持三种模式的观点是。
   • M​​iniMax 官方 API
4. 上传几秒钟的参考音频，即可快速复刻高还原度音色。比如我上传了娜娜的一段口播，只需点击「开始复刻」即可在桌宠中使用同款声线。

本地部署到底能省多少成本？

No Token 消耗 → 零费用：所有语音合成都在本机完成，无需向外部服务付费。

No 网络依赖 → 稳定可靠：

A/B 测试：云端 vs 本地效果对比

git clone https://github.com/netease-youdao/Confucius4-TTS.git
cd Confucius4-TTS

conda create -n confuciustts python=3.10 -y
conda activate confuciustts
# 简单解释：conda 为项目开辟“专属房间”，避免依赖冲突。