用途：通过 Replicate 云端进行文本转语音，适用于旁白、有声书、声音克隆与内容创作，并提供 macOS 本地 say 命令作为离线零成本回退。
主要能力：共 15 个模型。MiniMax 系列（speech-2.8-turbo/hd、speech-02-turbo/hd、speech-2.6-turbo/hd）支持文本、音色、语速、音高、音量、情感与 40+ 语言，情感可选 auto、happy、sad、angry、fearful、disgusted、surprised；MiniMax voice-cloning 为专用克隆模型，返回自定义 voice_id。Resemble AI Chatterbox 系列（chatterbox、turbo、pro、multilingual）支持克隆，turbo 约 5 秒样本即可，pro 支持音色与音高，multilingual 支持多语言。Qwen TTS 支持 voice_design，用自然语言描述生成音色，无需样本。ElevenLabs v3 与 Turbo 支持音色、语速、语言及 stability、similarity_boost、style、use_speaker_boost 等参数。Kokoro 82M 为轻量模型。
使用方式：通过 replicate.run 调用对应模型 ID 并传入 input 参数，例如 minimax/speech-2.8-turbo、resemble-ai/chatterbox-turbo、amphion/qwen3-tts、elevenlabs/el-multilingual-v3、jaaari/kokoro-82m。macOS 离线回退命令：say "Hello from Alex"、say -f document.txt、say -o output.m4a --data-format=aac "Dream state finished"、say -v Alex "I am Alex, reading your documentation"。
适用场景：快速草稿选 mm28turbo，工作室级旁白选 mm28hd，克隆特定声音选 chatturbo 或 mmclone，按描述生成音色选 qwentts，情感控制选 mm28turbo/hd，非英语内容选 mm28turbo 或 elevenv3，追求 ElevenLabs 质量选 elevenv3，轻量本地选 kokoro。
限制：各模型参数支持不一致，部分模型不支持音色、语速、音高或情感；克隆需提供音频样本，mmclone 必须提供 audio_sample；Chatterbox 系列主要支持英语（multilingual 除外）；Kokoro 仅英语；计费方式因模型而异（按 token、按字符、按输出或按 GPU 秒），具体价格以资料所列为准；版本 4.0.0，更新于 2026-04-15。