中文慵懒女声 TTS 方案调研
目标：生成一句约4秒的中文语音通知 “主人，人家需要你的确认哦”，要求声音温柔、低沉、慵懒/撒娇。 环境：Fedora 43, Python 3.14, Intel Arc GPU（IPEX 不兼容），仅 CPU。
方案对比总结
| 方案 | CPU可用 | Py3.14 | 语调控制 | CPU速度 | 安装难度 | 推荐度 |
|---|---|---|---|---|---|---|
| edge-tts (SSML调参) | YES | YES | pitch/rate/volume | 即时 | pip | ★★★★ |
| Spark-TTS 0.5B | YES | 3.12+ | gender/pitch/rate | ~2-5秒/句 | conda+模型 | ★★★★ |
| Qwen3-TTS | YES | YES | voice cloning | ~2秒/句 | pip | ★★★ |
| ChatTTS (spk_smp) | YES | YES | speaker embedding | 5-10分钟 | pip | ★★ |
| GPT-SoVITS | YES | 3.9-3.11 | voice clone | 很慢 | conda | ★★ |
| CosyVoice | YES | 3.8-3.10 | emotion tags | 很慢(10-50x) | conda+复杂 | ★★ |
| Fish Speech | YES | 3.8-3.10 | voice clone+emotion | 较慢 | clone+pip | ★★ |
| Bark | YES | YES | presets | 极慢 | pip | ★ |
最佳实践路径
快速路径：edge-tts + SSML prosody 调参（XiaomoNeural 或 XiaohanNeural，降pitch+降rate+narrow contour） 高质量路径：Spark-TTS 0.5B 提供参考音频做 zero-shot voice clone