设备语音 vs 云端朗读：每本书该怎么选

把书里的文字变成语音有两种办法，而它们的长处几乎正好相反。一种用的是你手机里现成的芯片，另一种用的是算力强得多的服务器。大多数应用只做其中一种，也不告诉你还有另一种；取舍是它替你定的，你只能接受。这两种都值得了解一下，因为换一本书，答案可能就不一样。

为什么听起来不一样

差距说到底就两条：模型能跑多大，时间能花多少。

设备自带的语音，模型得装进手机里，还得在你听的同时实时生成。手机能分给它的算力这些年宽裕了不少，如今的系统语音已经相当不错，但上限终究在那里：模型要小到用电池也跑得动，声音又是边播边生成的，来不及提前安排一整句的节奏和轻重。所以它读得清楚、听着不费劲，只是句与句之间偶尔有点生硬，个别句子读得比较平。

云端朗读没有这两个限制。它在 GPU 上跑大得多的语音模型，而且是提前把整本书渲染好，不是播到哪儿生成到哪儿，所以一句话、一整段该怎么读，它有余地从容安排。这就是为什么云端音频听起来顺滑、讲究，而设备语音只是“能听”。代价也在这里：GPU 算力要花钱；而且得先渲染再听，做不到点开就播。

各自的强项

设备自带的朗读是默默干活的主力：

即开即听。 不用渲染，不用等，翻开书就播。
免费。 不按小时收费，不扣积分，没有用量上限。
离线。 书在手机里就够了，飞机上、地铁里，没信号照样播。
私密。 朗读全程在手机本地完成，文字从不离开你的手机。

它唯一的短板是不够精致。在 iOS 上，下载高级系统语音能把差距补回大半，比默认语音好听不少，这里有一份简短的指南。

云端朗读正好反过来：

更饱满。 顺滑、讲究，更接近真人录制的有声书。
十种语言，同一个水准。 BookNPC 的录音室音频覆盖十种语言，每种都是地道的声音，不是拿近似的效果凑合。
渲染一次，永久保留。 渲染好之后，它就和普通音频文件一样，离线重听，不再花钱。

它的代价有两个：等一小会儿渲染，以及每本书花一点小钱。在 BookNPC，价格是每小时成品音频 25 美分，按秒计费；一本四十分钟的书大约 17 美分。

每本书怎么选

这不是一次定终身的选择：在 BookNPC 里，同一本书随时能在设备语音和云端之间来回切换，听到一半也行。想把钱花在刀刃上，照下面这个思路就行：

所有书都先用设备语音听。 免费又即时，没有理由不用。很多书这样听就完全够了，尤其是冲着内容去的非虚构书。
真心喜欢的书，再渲染录音室音频。 一本你正在慢慢品的小说，或者以后还会重听的书，值得配上最好的声音，那就花这几美分。付一次，永久保留。
外语书，交给云端。 在支持的十种语言里，想要录音室水准的音频，云端才做得到；设备语音只能用你手机里恰好装着的声音，效果看运气。

最该避免的，是不管什么书都顺手丢给云端渲染。大部分书用设备语音免费听就很好，把渲染的钱留给值得的那几本。

为什么两种要在同一个应用里

只有一种模式的应用，逼着你永远妥协：只做离线的，音质永远上不去；只做云端的，上了飞机就没用，还要为你本来可以免费听的书收钱。两种都有就不一样了：坐飞机有免费的设备语音顶着，心爱的小说照样是录音室级的音质。哪本书值得花钱，一本一本由你说了算。