随着 AI 语音技术快速发展，开源文本转语音模型的效果已经出现明显提升。
Kokoro、Chatterbox、Fish Speech、F5-TTS、XTTS、Dia、Orpheus TTS 等模型不断涌现，有些主打实时语音生成，有些擅长声音克隆，有些则能生成带有情绪、停顿和多人对话效果的自然语音。
问题是：这些模型分散在 GitHub、Hugging Face、论文页面和各种演示网站中。想要真正比较它们，通常需要下载代码、配置 CUDA、安装依赖、获取模型权重，然后分别输入测试文本。
ElevenLabs 质量优秀，但贵；很多开源模型 README 写得天花乱坠，实际听感却参差不齐。不同项目提供的演示文本、说话人、音频质量和参数又不相同，最终很难公平判断哪个模型更适合自己。
OpenSpeech.dev 正是为解决这个痛点而诞生的开源项目。
OpenSpeech 官网：https://www.openspeech.dev/
Github：https://github.com/sudomichael/openspeech
OpenSpeech 是一个专门收录和比较开源文本转语音模型的开放目录。
它本身并不是新的 TTS 推理框架，也不负责训练语音模型，而是为现有开源 TTS 项目建立一套统一、直观的试听和筛选体系。
OpenSpeech 最核心的设计是：让不同模型、不同声音读取完全相同的测试文本。
OpenSpeech 对每个模型都用完全相同的三段脚本生成音频：
- Neutral（中性叙述）：The quick brown fox jumps over the lazy dog near the riverbank.
- Emotional（情感表达）：I can’t believe you actually did it. This is incredible!
- Numbers & Dates（数字与日期）：On March 14th, 2025, the team raised $4.2 million at a 38% margin.
这样，用户不再需要根据不同项目各自精心挑选的 Demo 判断效果，而是可以在相同文本和测试场景下，直接进行横向试听。
目前平台已收录 26 个开源 TTS 模型、46 个语音，支持按 License、VRAM、语言、能力（语音克隆 / 实时流式 / 商用）等维度筛选。
OpenSpeech 主要功能：
1、Directory（模型目录）
最实用的入口。列出所有模型的详细参数、特性标签和社区评价。支持快速过滤出「适合边缘设备」「支持中文」「强语音克隆」等模型。
2、Compare（对比栏）
从目录勾选模型后加入对比栏，同一脚本下多个音频并排播放，一键切换听差异。操作极简，效率极高。
3、Arena（竞技场）
类似 LMSYS Chatbot Arena 的盲测模式：随机两个模型读同一段文字，用户投票「哪个更好听」。社区投票会逐步形成公开排行榜（目前样本还在积累中）。
4、Calculator（成本计算器）
输入每月使用时长（例如 1800 分钟），自动对比：闭源方案（ElevenLabs Creator/Pro、OpenAI TTS）、Replicate 等托管开源模型、自托管（不同 GPU 配置）。
例如自托管 Kokoro-82M 的成本可能只有 ElevenLabs 的 1/600 左右。
根据OpenSpeech 测评结果值得重点关注的开源TTS模型：
其他值得关注的还有 Fish Speech、Dia（双人对话像播客）、XTTS v2、MeloTTS（CPU 实时多语言）等。
OpenSpeech 算得上开源 TTS 社区的公共试听厅和选型决策工具，通过标准化脚本、侧边对比、社区投票和成本计算，大幅降低了开源语音模型的使用门槛和选型风险。