VOICEVOX
的使用方法、功能与可解决的业务课题
添加书签
VOICEVOX是什么？
VOICEVOX是由Hiho（广芝和之）开发的免费文本朗读·歌声合成软件。只要标注来源，即可免费将「ずんだもん(Zundamon)」「四国めたん(Shikoku Metan)」等46个角色的声音用于商用或非商用（条款因角色而异）。支持Windows／Mac／Linux的开源软件，是日语解说视频旁白的经典之选。
可解决的业务课题
「VOICEVOX」的服务详情
VOICEVOX是什么
VOICEVOX是由Hiho（广芝和之）开发的免费文本朗读·歌声合成软件。它是诞生于日本的开源项目，只需输入文本，即可用「ずんだもん(Zundamon)」「四国めたん(Shikoku Metan)」等46个角色（截至2026年8月19日）的声音生成语音；只要标注来源（Credit），无论商用还是非商用都可以免费使用。
它被广泛用于解说视频、游戏实况、VTuber内容的旁白。在日本，提到"Zundamon的声音"几乎就等于VOICEVOX。软件具备可按字符逐一调整语调（音高）的编辑功能，以及用说话声演唱的"哼唱（Humming）"和更接近歌声的"歌唱（Song）"功能，并可在Windows／Mac／Linux本地环境中运行。
使用方法
- 从官网下载 — 在官方网站点击「ダウンロード（下载）」获取安装程序。除常规CPU版外，还有面向支持GPU的电脑的GPU版。首次启动出现安全警告时，请确认发布者为「Kazuyuki Hiroshiba」后再运行。
- 输入文本 — 点击角色图标右侧的空白处，输入想要朗读的文字。每一行可以分配不同的文本和角色。
- 选择角色 — 通过文本栏左侧的图标切换说话人。同一角色往往拥有「ノーマル（普通）」「あまあま（甜美）」等多种风格。
- 播放并调整 — 用播放按钮试听，在界面下方的「イントネーション（语调）」面板中拖动竖条逐字调整音高。语速、音量、抑扬可保存为预设。
- 导出 — 通过菜单「ファイル（文件）」→「音声書き出し（导出音频）」保存为WAV文件。通过设置还可同时输出文本文件和lab（时间信息）文件。
主要功能
- 文本朗读 — 用46个角色的声音朗读输入的日语文本，许多角色拥有多种情感风格
- 语调调整 — 以竖条操作逐字编辑音高，还可解除「キ」「ツ」「ス」等音的清音化
- 歌唱·哼唱 — 在钢琴卷帘上放置音符和歌词进行歌声合成；「哼唱」接近说话声，「歌唱」更像唱歌
- 读音与声调词典 — 登记专有名词、专业术语的读音和声调，防止误读
- 预设功能 — 将语速、抑扬等参数打包保存，按行套用
- 离线运行 — 语音合成在本地电脑上完成，无需联网即可使用
- 引擎·核心可供外部调用 — 语音合成引擎以HTTP API（AudioQuery）形式开放给其他应用，也可作为核心库嵌入；还有可加载兼容VOICEVOX API的第三方引擎的多引擎功能
价格方案
VOICEVOX没有付费方案，全部功能和全部角色均可免费使用（截至2026年8月19日的官方表述）。
| 项目 | 内容 |
|---|---|
| 软件本体 | 免费（全部功能·全部角色可用） |
| 商用 | 免费（以标注来源为条件；须遵守各角色的使用条款） |
| 不标注来源的商用 | 若为东北Zunko项目系角色，每个角色需签订40万日元（不含税）的合同（依据该项目的音源使用条款） |
| 捐赠 | 自愿。可通过开发者的pixivFANBOX支持 |
免费方案·试用
VOICEVOX本身不存在"免费版"和"付费版"之分，下载后即可使用全部功能。生成音频的导出（WAV）也没有次数限制。"免费"的条件不是金钱而是条款：需要标注能表明使用了VOICEVOX的来源信息（视频简介栏、视频内等），并遵守各角色的使用条款。
注意：使用条款因角色而异
这是VOICEVOX最容易被误解的一点。正如官方Q&A所述，"角色"与"软件"的权利人不同，公开发布音频时必须遵守各角色的音源使用条款。
- 来源标注格式 — 对于ずんだもん(Zundamon)、四国めたん(Shikoku Metan)等东北Zunko项目系角色，要求以「VOICEVOX:ずんだもん」这样的格式标注来源。官方Q&A建议视频写在简介栏或视频内，纯音频内容则在开头或结尾插入语音版来源说明
- 商用 — 根据该项目的音源使用条款，只要标注来源，商用·非商用均被允许；不标注来源进行商用时，每个角色需签订40万日元（不含税）的合同
- 禁止事项举例 — 违反公序良俗的使用、政治活动·宗教活动、用于信息商材（快速致富类产品）、制作虚假或误导性内容、反社会势力使用等（东北Zunko项目音源使用条款中的例子）
- 每个角色的条款都不同 — 以上仅是一例，46个角色的权利人和条款各不相同。发布前请务必通过官网各角色页面确认其使用条款。使用将多个角色声音混合的变声（Morphing）功能时，以更严格一方的条款为准
日语支持
- UI — 完全日语。软件、文档、官方Q&A均为日语
- 输入输出 — 专注于日语文本的朗读，功能围绕提升日语语音质量展开，如声调短语编辑、清音化控制等
- 支持渠道 — 除官方Q&A页面外，还可通过X（原Twitter）的「#VOICEVOX」标签或官方账号提问。没有面向企业的专属支持窗口
评价·使用实绩
- GitHub星数 — 编辑器仓库（VOICEVOX/voicevox）约有3,200个星标（截至2026年8月19日），编辑器·引擎·核心三个仓库的开发都很活跃
- OSS的持续性 — 自2021年8月发布以来持续更新，2026年8月时点的最新版本为0.25.2，社区贡献者参与开发
- 角色文化的渗透 — 以Zundamon为代表的VOICEVOX角色解说·实况视频已在YouTube和Niconico上广泛扎根（官方未公布使用量统计）
与其他工具的区别
| 产品 | 价格 | 特点 |
|---|---|---|
| VOICEVOX | 完全免费 | 专注角色语音；本地运行·开源；条款因角色而异 |
| CoeFont | 免费额度＋付费方案 | 云端型。擅长将自己的声音AI化、名人声音、企业用途 |
| ElevenLabs | 免费额度＋付费方案 | 多语言·情感表现力强的海外巨头，API丰富 |
| Voice.ai | 免费额度＋付费方案 | 以实时变声器为主轴 |
VOICEVOX的定位是"用角色声音制作日语内容"的最优免费工具。需要多语言旁白或自然英语语音时可比较ElevenLabs；希望把商务用途的版权处理一站式解决时可比较CoeFont；想在直播中实时改变自己的声音则可比较Voice.ai。反过来说，如果目标是借助Zundamon等角色人气制作视频，VOICEVOX几乎没有替代品。
常见问题
Q. 可以商用吗？ 可以。官方Q&A表示"只要标注来源，用VOICEVOX生成的音频无论商用·非商用均可使用"。此外每个角色另有音源使用条款，请务必确认所用角色的条款。
Q. 来源标注应该怎么写？ 使用能同时表明VOICEVOX和角色名的格式，如「VOICEVOX:ずんだもん」，写在视频简介栏或视频内。纯音频内容可按官方Q&A的建议，在开头或结尾插入语音版来源说明。
Q. 可以用于YouTube的盈利视频吗？ 可以，前提是标注来源并且在所用角色条款允许的范围内（开启盈利属于商用）。请注意角色条款中的禁止事项，如政治·宗教目的、违反公序良俗的内容等。
Q. 可以离线使用吗？ 可以。语音合成在本地电脑上运行，无需联网。
Q. 可以嵌入公司的产品或服务吗？ 技术上可行——引擎和核心都是公开的。但各角色的音源条款不同，部分角色在不标注来源时需要付费合同，请与权利人确认。
Q. Mac能用吗？ 能用。支持macOS 14及以上（Apple Silicon可能需要安装Rosetta）。也支持Linux（Ubuntu 22.04・24.04）。
提供方
VOICEVOX并非企业产品，而是由Hiho（广芝和之）个人开发、并与开源社区贡献者共同维护的项目。它以编辑器（Electron＋Vue）、引擎（Python）、核心（Rust）三层结构发布在GitHub上，编辑器采用LGPL-3.0双重许可。项目资金依靠自愿捐赠（pixivFANBOX）支持。角色的权利归各角色的权利人所有（Zundamon等属于东北Zunko项目），与软件分开管理。
本页信息基于2026年8月时点官方网站公开的内容。功能·价格可能发生变化，最新信息请查看官方网站。
