xAI 前段时间开放了 Grok 的 TTS 接口，内置 28 个声音、支持 20 种语言，还能用标签控制语气。 我想在写代码之前先用自己的文案听听每个声音，就顺手做了个网页： https://groktexttospeech.com/ - 选声音、粘贴文字（单次最多 1,000 字符），直接生成 24 kHz 的 MP3 ，可以下载 - 支持 `[pause]` `[laugh]` `[sigh]` `[breath]` 和 `<whisper>` `<slow>` `<emphasis>` 这类语气标签 - 每个声音有单独的页面，方便对比着听 - 有个价格计算器，估算同样的音频走 xAI API 要多少钱（$15 / 百万字符） - 不用注册，文字不存储、不记录；有频率限制（每小时 20 次、每天 10,000 字符） 非官方站，和 xAI 没有关系。欢迎试用，也想听听大家觉得哪几个声音最好用。