文章系统梳理了 2026 年主流开源 TTS 方案：CosyVoice 2 低延迟流式，适合实时语音 Agent 与数字人；GPT-SoVITS 擅长小样本音色微调与克隆；ChatTTS 拟人口语自然，适合 AI 播客；F5-TTS 与 Breeze-TTS 2 基于流匹配免对齐克隆，稳定性好；Fish Audio Drama 3 情绪表现力全面但算力要求高；MaskGCT 鲁棒性强，可处理气声耳语等极端发音；KittenTTS 2 体积极小，可在 CPU 端侧运行。各方案定位不同，读者可按延迟、音色、表现力与资源需求选型。
本文是一篇详细的接入教程，介绍如何在 Muse 中接入 Fish Audio TTS 服务。作者 TaoBuilds 对比了 Azure（稳定但音色固定）与 Fish Audio（支持声音克隆和特色音色）的差异，并给出六步接入流程：注册 Fish Audio 账号、切换到 Developer 模式、确认每月 8000 点的免费额度、创建 API Key、在 Muse 中关联 Key、编写调用脚本并实测出声，全程约 5 分钟。接通后日常语音仍走免费的 Azure，特色音色和声音克隆则用 Fish Audio 完成。文末提醒注意免费额度用量、不要克隆真人声音公开发布，以及 Key 泄露时的处理方法。
Fish Audio 通过重构 S2.1 Pro 语音模型的服务栈，将 GPU 利用率从约 50% 提升至 90% 以上，使原本需要四块 H200 的请求量现在一块即可承载。核心技术包括：针对 TTS decode 小矩阵形状定制的 FP8 CUDA 内核（比 torch.compile-fused cuBLAS 快 2.1–4.3 倍）、Continuous Batching（并发 1 到 64 吞吐量提升约 52 倍，仅增加 37ms 延迟）、Kubernetes 与 Slurm 弹性调度填充空闲算力，以及自建网络与存储基础设施。所有推理变更均需通过正确性与性能双重门槛。这些优化带来的单位经济效益使 Fish Audio 能够将完整的 S2.1 Pro 模型免费开放，并开源了 fish-scales-ops 内核库。
