大多数"文字转语音"测评，作者只喂过英文。可中文完全是另一道题。一个普通话音色得读对声调、得在多音字里挑对那个读音、得在没有空格提示的一整片汉字里切对词——还有几乎所有人都做不好的那一项：句子读到一半冒出英文时能干净地切过去，比如"用 ChatGPT 写了个 prompt"。我中文读得很多：通勤路上刷微信读书、午饭时看知乎长答案、偶尔啃一篇半中半英的 arXiv 论文。所以我花了两周，把自己真实的阅读丢进那些号称能读中文的工具里跑了一遍。下面是真正经得起用的，以及每一款在哪儿掉链子——都说实话。
中文 TTS 难在哪（以及该听什么）
讲工具之前，先说清楚一个能用的普通话音色和一个机器人音色差在哪，你才知道自己在评判什么：
- 声调与韵律。 差的引擎每句话都用同一个平板的音高，而中文里声调本身就是意义，听久了非常累。好音色有自然的句子起伏，像一个人在念，而不是地铁报站。
- 多音字。 行是 xíng 还是 háng，重是 zhòng 还是 chóng，还是 hái 还是 huán。弱引擎按词频瞎猜，碰到不常见的读音常年读错。好一点的神经网络音色会看上下文，对的概率高得多。
- 分词。 中文没空格，引擎得自己判断词在哪儿断。断错了，要么停顿很别扭，要么一口气连读不停。
- 中英混读。 这才是 2026 年真正的酷刑测试。真实的中文写作里全是英文——品牌名、技术词、你的 KPI、跑个 demo。大多数工具要么把英文字母一个一个用中文腔念出来（"C-H-A-T"），要么每次切换都卡一下。能流畅处理这一项的，才是值得留下的那几个。
试任何工具，都粘一段带一两个多音字的中英混合文字进去，听一耳朵就行。十五秒你就有数了。
CastReader——原地朗读中文页面（而且免费）
利益关系先说清楚：CastReader 是我们团队做的，你自行掂量。但它之所以存在，正是为了解决其他所有方案都让我头疼的那件事——可达性。大多数中文 TTS 工具就是一个让你往里粘文字的框。CastReader 是一款免费可用的阅读器（Chrome/Edge 插件，外加原生 Mac 和 iOS/安卓 App），它读的是你屏幕上已经打开的东西，原地直读，不用复制粘贴。无需注册、没有会到期的试用期——自然的神经网络普通话音色，免费。想要 premium 超真实语音、更多收听时长和 AI 文档分析，可以升级 CastReader Pro。
我读中文时之所以会用它，关键在于它能读我真正在用的那些 App：它能在浏览器阅读器里直接朗读微信读书，也能读知乎长答案——就是那种三千字、你根本不想往下滚的回答。因为它能读任意网页，那些西方工具懒得管的国内站点——豆瓣、简书、浏览器里打开的公众号文章——统统都能读。它还能把 Claude、ChatGPT、Gemini 的长对话从头读到尾，这点很重要，因为很多中文 AI 对话恰恰就是那种半中半英、专门把弱引擎搞崩的混读。它还能把 PDF 变成有声书、把 EPUB 转成音频，离线随身听。
在上面那两道难题上它表现不错：中英切换很顺（不会把英文缩写一个字母一个字母拼出来），多音字在上下文里也读得稳。语速随你调——普通话 1.4 倍是我走路时的节奏。
什么时候别用它： 当你需要为已发布的视频制作并导出一段品牌旁白的 MP3——那是创作者工具的活儿，不是阅读的活儿。但只要是想把中文阅读清单真正听完，它就是我一直开着的那个。从 Chrome 应用商店、App Store、Google Play 安装，或者直接用 Mac App。
微软 Edge"朗读"——你电脑里早就装着的最好的免费中文音色
这是大多数人忽略、却真的很能打的一个。Edge 自带的朗读（Ctrl+Shift+U）用的是微软的神经网络中文音色——晓晓和云希是其中的标杆——它们是你能免费用到的最自然的普通话音色之一，零安装，还带逐词高亮。要是你只想"做饭时把这篇文章听了"，它真的很难被打败。
Edge 还给了一长串地区音色，所以你想要普通话、粤语还是台湾国语，都能挑。晓晓的声调和韵律是真的舒服。
它的边界在哪： 它只读普通网页。PDF、像微信读书这种需要登录的阅读器框、动态 App 内容，它都靠不住，而且只活在 Edge 里。但作为读纯文章的免费底座，它非常出色——而且它底层的 Azure 音色，正是很多付费工具悄悄转手卖给你的那批。
浏览器/系统自带（免费，设备里现成的）
别小看你手里已经有的东西：
- macOS 能在系统设置 → 辅助功能 → 朗读内容里读选中的中文。自带的婷婷（普通话）和粤语音色都还行，完全离线、永久免费。读一段很好，读一份 40 页的报告就笨重了——它是基于选中文字的，没有真正的播放队列。
- Chrome 可以靠调用 Web Speech API 的插件读页面，但音质完全取决于你系统装了哪个中文音色，所以不同机器差别很大。
- iOS / 安卓 都自带"朗读屏幕"/"选择朗读"，有普通话音色——救急可以，但不能跨 App 接力，控制也有限。
这些读一句话很完美，读长篇就累人。一旦你要读一整本书或一个需要登录的 App，就该上专门的阅读器了。
"中文配音生成器"类工具（以及什么时候是杀鸡用牛刀）
还有一整类是给创作者用的，专门导出打磨好的普通话音频——比如短视频配音。中文确实强的几个大牌：
- 微软 Azure TTS——Edge 那些音色的底层引擎。按量付费（标准神经档大约 15 美元 / 100 万字符，每月有免费额度）。如果你懂技术、想直接用 API 调那批晓晓/云希音色，它性价比最高。
- ElevenLabs——多语种音色极强，中文也包含在内，支持情感和声音克隆。免费档有上限（每月约 1 万额度）；付费从约 5 美元/月（Starter）和 22 美元/月（Creator）起。最适合做有表现力的、角色化的旁白。
- Speechify 和 NaturalReader 都支持中文，但它们的免费档是演示性质——Speechify 把好音色掐着给，NaturalReader 把高级神经音色限制在大约每天 20 分钟（付费约 20.90 美元/月起）。逐项对比可看我们的 Speechify 替代品和 NaturalReader 替代品。
当你要制作音频去发布时，这些是对的工具；当你只是想听点东西时，它们就是杀鸡用牛刀——你花在粘文字、管导出上的时间，比省下的还多。想更深入了解这类引擎能做什么，可以看我们的 AI 配音生成器指南。
怎么把中文 TTS 真正用进日常
几个让中文听读对我真正坚持下来、而不是试一次就丢的习惯：
- 音色选一次就别再换。 中性普通话，晓晓（Edge/Azure）或 CastReader 的默认神经音色都稳妥。别在工具之间反复横跳——长时间听，靠的就是一致性。
- 起步比你以为的要慢。 普通话每个音节信息量很大；我英文听 1.8 倍，中文只听 1.3–1.4 倍。用一周时间慢慢往上加。
- 按内容类型喂对方式。 微信读书和知乎就原地直读，别去复制粘贴一篇三千字的回答。论文或报告，就把 PDF 转成有声书，方便随时暂停续读。
- 拿它对付难啃的内容。 我一直把面向学生的文字转语音放手边，因为边听边跟读，对密集材料的记忆是真有帮助——文言文、法律条文，那些你本来要反复读三遍的东西。
- 用你自己的文字测中英混读。 如果你写的中文里夹很多英文，定下来之前，先把你自己的一段真实文字粘进任何工具试一下。演示用的段落永远是精挑细选的。
只要不是纯文章——需要登录的 App、PDF、AI 对话——一个专门的免费文字转语音阅读器，能帮你省掉那种会把习惯磨没的反复复制粘贴。
常见问题
最自然的免费中文 TTS 音色是哪个？
微软的神经网络音色——晓晓和云希——是免费能用到的最自然的，在 Edge 的朗读里直接有，Azure 免费档也能调。CastReader 同样用神经网络普通话音色，免费可用、无需注册，好处是它原地读页面，而不是逼你粘文字。
文字转语音能读中英混合吗？
有的能，但大多数读得不漂亮。弱引擎会把英文缩写一个字母一个字母拼出来，或者每次切换都卡顿。一定用你自己的一段混读文字测（带上"你的 KPI、跑个 demo"那种）——听十五秒，一切都清楚了。
能朗读微信读书或知乎吗？
能，前提是用一个在页面本身上工作、而不是粘贴框式的阅读器。CastReader 能在浏览器里直接读微信读书和知乎，包括长篇回答，不用复制粘贴。
中文 TTS 能读对多音字吗？
现代神经网络引擎会看上下文，读对行、重、还这类字的概率比老式规则引擎高得多，但没有一个是完美的——碰到生僻人名或不常见的搭配，偶尔还是会读错。音色越好，出错越少。
有没有免费、不带试用期的选择？
有。Edge 朗读和系统自带音色，读纯文本永久免费。CastReader 在 Chrome/Edge、Mac、iOS、安卓上免费可用——无需注册、没有会到期的试用——而且能原地朗读中文 App 和页面；想要 premium 超真实语音、更多收听时长和 AI 文档分析，可以升级 CastReader Pro。有问题发邮件：support@castreader.ai。