补几个本地 AI 配音选型时容易忽略的细节： ① Qwen3-TTS 官方给出的流式合成延迟最低到 97ms，但这是官方指标，不是我这台 6GB 显存笔记本的实测速度。另外，我装的 0.6B-Base 做的是参考音频克隆，文字设计声音要看 1.7B-VoiceDesign，下载时别只看模型家族的功能介绍。 ② IndexTTS 的授权协议，中英文还真有差异：需要另行申请许可的年收入门槛，中文版写超过人民币 1 亿，英文版写超过 10 亿；月活门槛都是超过 1 亿，而且包含关联方。英文协议末尾明确写了，有冲突时以中文版为准。 ③ “不能拿输出训练其他模型”也不能一概而论。IndexTTS 协议限制用模型及其衍生品改进其他 AI 模型，但对 IndexTTS 本身、其衍生品和非商业用途 AI 模型列有例外。 装模型时多看一眼具体版本和许可证，能省掉后面不少返工。 Article 6GB 显存做 AI 配音：我装了 5 个模型，才搞清楚怎么选 做图做久了，迟早会想让画面开口说话。 一开始我也是用在线配音：按字数收费，敏感一点的台词还要过审核，最要命的是——声音不在你手里。今天这个音色好用，明天平台下架了，你的角色就“换了个人”。