无网络也能用：3款离线文本转语音工具，教师制作范读无需联网

场景：农村学校网络差，TTS工具用不了

张老师在甘肃一所乡镇中学教英语。学校网络经常不稳定，有时候上课前想临时生成一段范读音频，但Edge TTS需要联网，根本用不了。

"不是每个学校都有稳定网络的，"张老师说，"离线能用的TTS工具才是刚需。"

本文介绍3款安装后完全无需联网的离线文本转语音工具，特别适合网络不稳定的学校、农村教学点、或者需要在教室、会议室等无网络环境使用的老师。

三款离线TTS工具对比

工具	模型大小	中文质量	声音克隆	CPU/GPU要求	推荐场景
CosyVoice-0.5B	5-7GB	⭐⭐⭐⭐⭐	✅	需要4GB+显存	高质量+声音克隆
Kokoro	~850MB	⭐⭐⭐	❌	CPU可跑	Mac/轻薄本首选
Piper	~300MB起	⭐⭐	❌	极低资源	小语种/老旧电脑

方案一：CosyVoice-0.5B——离线质量最高（支持声音克隆）

适用场景：有独立显卡、追求最高中文质量、需要声音克隆

CosyVoice-0.5B 安装后完全离线运行，不依赖任何网络接口。

安装命令：

# 1. 创建虚拟环境
$python = "$env:TAIWE_BUNDLED_PY"
& $python -m venv "$env:USERPROFILE\.taiwe\pyen"

# 2. 安装依赖
& "$env:USERPROFILE\.taiwe\pyen\Scripts\pip.exe" install -i https://pypi.tuna.tsinghua.edu.cn/simple cosyvoice modelscope

# 3. 下载模型（约5-7GB，首次安装）
python -c "from modelscope import snapshot_download; snapshot_download('iic/CosyVoice2-0.5B', local_dir=\"$env:USERPROFILE\.taiwe\models\cosyvoice\")"

离线推理：

$python = "$env:USERPROFILE\.taiwe\pyen\Scripts\python.exe"
$script = "scripts/txt2voice/cosyvoice_infer.py"

# 完全离线，无需任何网络
& $python $script --text "要转换的课文文本" --voice longxiaochun --output "范读音频.wav"

声音克隆（15秒录音）：

$python $script --ref_audio "你的录音.mp3" --ref_text "录音对应的文字" --voice_id "my_voice"

方案二：Kokoro——Mac/轻薄本首选（CPU可跑）

适用场景：Mac用户、轻薄笔记本、没有独立显卡

Kokoro 模型体积小（~850MB），M系列Mac原生支持，在MacBook上效率很高。

安装命令：

& "$env:USERPROFILE\.taiwe\pyen\Scripts\pip.exe" install -i https://pypi.tuna.tsinghua.edu.cn/simple kokoro soundfile misaki[zh]

# 下载模型（约850MB）
python -c "from huggingface_hub import snapshot_download; snapshot_download('hexgrad/Kokoro-82M', local_dir=\"$env:USERPROFILE\.taiwe\models\kokoro\", mirror='https://hf-mirror.com')"

离线推理：

$python = "$env:USERPROFILE\.taiwe\pyen\Scripts\python.exe"
$script = "scripts/txt2voice/kokoro_infer.py"

# 完全离线运行
& $python $script --text "要转换的课文文本" --voice af_heart --output "范读音频.wav"

支持语言：中文（cmn）、英语（en-us）、法语（fr）、意大利语（it）、日语（ja）

方案三：Piper——小语种/老旧电脑兜底

适用场景：需要阿拉伯语、印地语、泰语等小语种，或老旧电脑

Piper 支持35+语言，是覆盖面最广的离线TTS选项。

安装命令：

& "$env:USERPROFILE\.taiwe\pyen\Scripts\pip.exe" install -i https://pypi.tuna.tsinghua.edu.cn/simple piper-tts

离线推理：

$python = "$env:USERPROFILE\.taiwe\pyen\Scripts\python.exe"
$script = "scripts/txt2voice/piper_infer.py"

& $python $script --text "要转换的课文文本" --voice zh_CN-huayan-x_low --output "范读音频.wav"

注意：Piper中文质量一般，建议作为小语种补充方案，中文普通话优先选Kokoro或CosyVoice。

离线TTS使用场景举例

场景	推荐工具	说明
甘肃乡镇中学，网络不稳定	CosyVoice / Kokoro	一次性安装，终身离线使用
MacBook Air，无独显	Kokoro	M芯片原生支持，效率高
需要阿拉伯语听力材料	Piper	35+语言覆盖
声音克隆，自己声音范读	CosyVoice-0.5B	唯一支持克隆的离线方案
老旧电脑，XP时代的机器	Piper	资源要求极低

FAQ

Q：离线TTS工具生成的音频质量会不会比联网的差？ A：对于Edge TTS联网方案，离线方案（CosyVoice/Kokoro）在中文质量上相当甚至更好（CosyVoice中文质量最佳）。差异主要在音色数量和某些多音字的处理上。

Q：这些离线工具安装一次能用多久？ A：安装一次即可永久使用，不需要续期或联网激活。但模型文件会占用磁盘空间（CosyVoice约5-7GB，Kokoro约850MB，Piper约300MB起）。

Q：农村学校网络很差，安装时能离线吗？ A：安装包（pip）很小，可以在学校有网络时提前下载好。模型文件较大（CosyVoice 5-7GB），建议在有网络的条件下一次性下载到本地。

Q：离线工具和在线工具生成的声音听起来一样吗？ A：不一样。CosyVoice和Kokoro是本地模型，Edge TTS是云端合成，声音会有细微差异。CosyVoice中文质量最佳，Edge TTS音色自然度高，两者各有优势。

---

相关工具

• Taiwe 教师 AI 工作环境 — 内置TTS技能，离线方案即装即用
• 教师TTS方案选购指南：根据电脑配置选最合适的方案

---

最后更新：2026-09-28 | Taiwe Team