音色设计工具根据一段文字描述生成音色，不需要任何录音。各家工具的差别在于设计出的音色能说哪些语言，音色能否保留，一次返回几个版本，以及之后能在哪里使用。
下面每一条工具信息都链接到该工具自己的页面，内容以我们 2026 年 10 月读到的为准。我们不给任何工具打分或排名。一个工具只有在自己的页面写明适用时，才会出现在对应的用途下。
需要说泰语的音色#
Paxa 的音色设计接受中文、英语或泰语描述，每个音色说中文、英语或泰语中的一种，即描述里指定的那种。音色描述指南提供泰语和中文示例。
ElevenLabs 的模型页面列出其设计模型 eleven_ttv_v3 支持 70 多种语言，并链接到 Eleven v3 的语言列表，其中包括泰语。Google 的语音生成页面为 Gemini 3.8 Flash TTS 列出了泰语，该模型也在其音色设计页面的支持范围内。Inworld 把泰语列在第二语言梯队，并建议用目标语言设计音色，不过它的音色设计页面要求用英语撰写描述。
需要保存并按 ID 调用的音色#
在 Paxa 保存的音色会获得一个 ID，可在语音工具中使用，也可在 API 中配合 Paxa TTS Flash v2 使用。免费套餐的账户可保存 1 个，最大的套餐最多 50 个，设计音色文档介绍了这个 ID 的用法。
ElevenLabs 把设计结果存入音色槽位，其槽位表显示免费套餐 3 个，Starter、Creator 和 Pro 依次为 10、30 和 160 个。Inworld 为已发布的音色分配永久的 voiceId，其定价页面列出按需提供的 100 个自定义音色槽位。Gemini 每个项目最多存储 200 个音色，每个保存一年。
有两个工具保留设计结果的时间更短。MiniMax 会删除连续七天没有被任何语音请求使用的设计音色。Fish Audio 的设计 API 不会生成可保存的音色，对需要长期保留的音色，它建议改用声音克隆。
一段描述生成多个版本#
ElevenLabs 每次生成返回三个选项，Inworld 最多返回三个预览。Fish Audio 的 API 返回一到四个候选，默认两个，Hume 的平台生成三个。
Paxa 每段描述返回一个音色，再用文字修改：输入“更温暖”或“慢一点”，就能听到下一版。ElevenLabs Remix 也能根据对改动的描述修改音色，不过它是一项单独的功能。
实时语音智能体#
在 Paxa 保存的音色可以通过实时连接发声，连接一边接收陆续到达的文本，一边把音频流式返回。OpenAI 的提示词音色只能配合 GPT-Live 使用，每个组织最多 100 个。Hume 让保存的音色既能用于其 TTS，也能用于其 EVI 语音交互界面。
了解设计的费用#
Paxa 每次设计或修改收取 5 积分，其中包含音色的第一句试听。用已保存的音色合成语音时，费率是目录音色的 1.25 倍。Inworld 对设计音色按与其音色库相同的费率计费。Alibaba Cloud 在其列出的 China (Beijing) 地域免费创建音色，语音按目标模型的费率计费。
ElevenLabs、Fish Audio 和 MiniMax 的设计计价方式各不相同，有按生成次数、按请求和按音色三种。音色设计与声音克隆指南列出了这三家的做法。
正式采用之前#
ElevenLabs 的帮助中心表示，其音色设计仍处于实验阶段。Hume 的音色设计需要使用 Octave 1 模型，而其常见问题说明该模型只支持英语和西班牙语。Paxa 的设计音色只能配合 Paxa TTS Flash v2 使用，不支持其他模型。
常见问题#
什么是 AI 音色设计工具？#
一种根据文字描述生成音色的工具，描述可以是“一位五十多岁、语气沉稳的女性旁白”，整个过程不需要真人录音。
哪些音色设计工具能说泰语？#
Paxa 设计的音色可以说中文、英语或泰语。ElevenLabs 把设计模型 eleven_ttv_v3 链接到包含泰语的语言列表，Google 为 Gemini 3.8 Flash TTS 列出了泰语，Inworld 则把泰语列在第二语言梯队。
设计的音色能通过 API 使用吗？#
可以。在 Paxa、ElevenLabs、Inworld 和 Gemini 上，音色保存之后都能通过 API 使用。在 Paxa 保存的音色可在控制台和 API 中使用，单次请求和实时连接都支持，Paxa API 还能设计、保存、重命名和删除音色。
音色设计免费吗？#
取决于工具。Alibaba Cloud 免费提供音色创建。在 Paxa 设计一次需要 5 积分，新账户的免费积分足够设计好几次，无需绑卡。