今天发现一个很有意思的 AI 语音平台——VoxFlow Studio。它把 TTS（文本转语音）、声音克隆、播客生成、视频配音、幻灯片制作全部整合到一个平台里，支持 5 种语言、200+ 种预设声音，还能在 10 秒内克隆任意声音。

最吸引人的是它的免费额度：每月 10,000 积分，可以克隆 10 个声音，不需要绑信用卡。

VoxFlow Studio 是什么

VoxFlow Studio 是一站式 AI 语音创作平台，核心定位是"把 AI 语音能力开放给每个创作者和开发者"。它不是一个简单的 TTS 工具，而是一整套从文字到音频、从音频到视频、从视频到多语言配音的完整工作流。

平台提供 8 项核心能力：

• TTS（文本转语音）——神经级别的语音合成，生成自然流畅的人声
• Voice Clone（声音克隆）——只需 10 秒音频输入，即可克隆任意声音，保留语调、情感和节奏
• Script Gen（脚本生成）——Agent 驱动的对话写作，自动生成播客脚本和配音文本
• AI Video（视频生成）——自动配音的视频和演示文稿
• Audio Processing（音频处理）——降噪和音质增强
• Voice Library（声音库）——200+ 种预设声音，覆盖 5 种语言
• Skill（技能）——即插即用的 AI Agent 声音技能
• CLI（命令行工具）——终端音频工作流，适合开发者

三大 Agent 产品

VoxFlow 最实用的功能是以 Agent 形式封装的三种创作工具：

Podcast Agent（播客代理）——输入主题或脚本，自动生成多角色对话式播客。支持多声音编排、节奏控制和后期处理。

Voiceover Agent（配音代理）——把任意文本转为专业配音。适合视频旁白、教程解说、广告配音等场景。

Slides Agent（幻灯片代理）——从文字内容直接生成带配音的演示文稿，适合教学、汇报、内容营销。

声音克隆：10 秒还原一个人声

VoxFlow 的声音克隆功能是亮点之一。只需要 10 秒的音频输入，AI 就能分析声音特征并生成克隆模型。克隆后的声音可以保留原声的语调、情感和节奏特征，支持 5 种语言使用。

平台已经累计生成了超过 30,000 个声音克隆。这对内容创作者来说意味着：不需要请配音演员，不需要录音棚，一个人就能完成专业级别的语音内容制作。

开发者能力：给 AI Agent 装上声音

VoxFlow 对开发者非常友好，提供三种接入方式：

MCP Server——通过 MCP 协议给 AI Agent 提供声音技能，让 Agent 在对话中直接使用语音能力。

Agent Skills——即插即用的 AI Agent 技能包，适合 Claude Code、Cursor、Codex 等编程 Agent 直接调用。

OpenClaw Plugin——OpenClaw 插件支持，可以快速集成到现有工作流中。

这意味着开发者不需要自己训练语音模型，不需要处理音频管线，只需要几句配置就能让 AI Agent 获得"说话"的能力。

声音库：200+ 种声音，5 种语言

平台内置了 200+ 种预设声音，覆盖英语、中文、日语等多种语言。每种声音都有在线预览，可以直接试听效果。对于不想克隆声音的用户，直接用预设声音就能满足大部分需求。

定价

VoxFlow 的免费计划已经相当慷慨：

• 每月 10,000 积分免费
• 可以克隆 10 个声音
• 支持播客、视频和幻灯片创作
• 不需要绑定信用卡

付费计划按功能和使用量分级，适合不同规模的用户需求。

适合谁用

播客创作者——快速生成多角色对话式播客，不需要录音设备。

内容创作者——视频配音、幻灯片旁白、广告语音，一站式搞定。

开发者——通过 MCP Server 和 Agent Skills，给 AI Agent 集成语音能力。

教育/企业用户——Slides Agent 可以直接从文本生成带配音的演示文稿，适合教学和汇报。

苏米的评价

VoxFlow Studio 最打动我的一点是：它把"语音创作"这个原本需要专业设备和技能的门槛，降到了"打开网页就能用"的程度。10 秒克隆声音、Agent 自动生成播客、一句话生成带配音的视频——这些在两年前还是"需要找配音演员 + 后期制作"的事，现在一个平台就能搞定。

对于做自媒体的人来说，这意味着你可以用 AI 声音做解说、做播客、做多语言配音，而不需要自己录音。配合 AI 脚本生成，整个内容生产链路变得更加完整。

如果你经常需要语音内容，或者想让 AI Agent "会说话"，VoxFlow 值得试试。

网站地址：voxflow.studio