Open Source TTS Models Comparison 2026

四大開源 TTS 模型橫向比較：VoxCPM2、Qwen3-TTS、Xiaomi MiMo-V2.5-TTS、CosyVoice3。

比較總覽

維度	VoxCPM2	Qwen3-TTS	MiMo-V2.5-TTS	CosyVoice3
開發者	清華 OpenBMB	阿里通義 Qwen	小米	阿里 FunAudioLLM
參數量	2B	1.7B / 0.6B	未公開	0.5B
語言數	30 + 9方言	10	中文 + 方言	多語言
粵語	✅	❌	✅	未確認
Voice Design	✅	✅	✅	❌
Voice Clone	✅	✅	✅	✅（3秒）
即時串流	❌	✅（97ms）	未確認	✅
開源程度	✅ 完全開源	✅ 完全開源	⚠️ TTS 只有 API	✅ 完全開源
輸出品質	48kHz	未公開	未公開	未公開

Benchmark 比較

VoxCPM2（Minimax-MLS）

• 英文相似度：85.4%（ElevenLabs 61.3%）
• WER：英文 1.84%、中文 0.97%
• 特點：相似度基準大幅領先 ElevenLabs

Qwen3-TTS

• 10語言平均 WER：1.835%
• 說話人相似度：0.789
• 特點：WER 最低（可懂度最佳）、跨語言克隆 SOTA

CosyVoice3

• Minimax-MLS WER：3.91（英文）
• 特點：最輕量（0.5B）、適合資源有限場景

MiMo-V2.5-TTS

• 無公開 benchmark 數據
• 特點：方言支持好、自然語言控制情緒語速

Quick Take — 選擇指南

需求場景	推薦
粵語 + 多語言 + 最高相似度	VoxCPM2
最低延遲 + 即時串流	Qwen3-TTS
最輕量 + 資源有限	CosyVoice3
方言 + 自然語言控制	MiMo-V2.5-TTS（API）
本地部署自由度	VoxCPM2 / Qwen3-TTS / CosyVoice3

安裝方式

VoxCPM2

pip install voxcpm
from voxcpm import VoxCPM
model = VoxCPM.from_pretrained("openbmb/VoxCPM2", load_denoiser=False)
wav = model.generate(text="你好", cfg_value=2.0, inference_timesteps=10)

Qwen3-TTS

# GitHub: QwenLM/Qwen3-TTS
# Hugging Face: Qwen/qwen3-tts

CosyVoice3

git clone --recursive https://github.com/FunAudioLLM/CosyVoice.git

MiMo-V2.5-TTS

# API only: platform.xiaomimimo.com
# 限時免費

同我哋嘅 TTS 比較

我哋而家用緊： - Edge TTS — 免費、穩定、但冇 Voice Design / Clone - OpenAI TTS — 付費、質素好、但冇方言

VoxCPM2 嘅優勢： - 可以做粵語配音 - 可以自訂聲音（Voice Design） - 可以複製人聲（Voice Clone） - 完全免費、本地部署

Qwen3-TTS 嘅優勢： - 即時串流（97ms），適合即時對話場景 - WER 最低，可懂度最佳

關係

• 同 loop-skill 可以配合：用 TTS 生成批量語音內容，再用 Loop Skill 審核品質
• 同 agent-team-pattern 可以配合：TTS 作為 Agent 嘅語音輸出能力