ToolHub 免費線上工具箱，實測語音合成速度與檔案流向

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

把同一句 30 字的中文句子丟進 ToolHub 的三個語音引擎，最快 2.7 秒拿到 MP3，最慢等了 67 秒。ToolHub（toolhub.club）是一個標榜免費、免註冊的線上工具箱，把文字轉語音、語音轉文字、PDF 轉換與編輯、圖片處理、QR Code、Markdown 轉 HTML 收在同一個網站裡，介面有繁體中文。實測結論先講：小任務確實能免費做完，輸出品質也在水準之上，但從實測速度與併發上限看，它的算力很有限，檔案處理也都在站方伺服器上發生，急件、大檔與機密文件都不適合交給它。

速度與輸出的數字來自 2026 年 10 月 30 日的實測：文字轉語音（三個引擎各跑一次）、語音轉文字、PDF 轉文字、QR Code、Markdown 五條路線都實際打過 API，語音的部分還把合成結果再餵回語音辨識做交叉驗證；25 MB、8000 字這類上限則是站方文件明載的數字。圖片處理的十二項功能沒有逐項操作，長文件與批次轉檔也沒有做壓力測試，這兩塊以下引用站方說明中心的說法。

整個站的樣貌先用一張表定格：

現在的 ToolHub，和網路上的舊介紹是兩回事

如果你搜尋 ToolHub，會找到 2026 年上半年以前寫的介紹文，講的是 Base64 轉圖片、CPC 廣告成本計算機、檔案分割合併那一類通用開發者工具箱。對照網際網路檔案館 2026 年 4 月的最後一份首頁快照，舊版確實長那樣：2025 年中的快照還有十餘種介面語言，之後收斂成中英雙語，工具連結有上百個。但現在打開 toolhub.club，已經完全是另一套服務：語音合成、語音辨識、PDF 轉換與編輯、圖片處理、QR Code、Markdown 轉 HTML 七個入口，走的是「少而常用」的路線。舊文裡的功能現在都不在了，舊介紹文裡給的 toolhub.club/zh/ 連結如今已經打不開，照舊文挑工具會完全落空，這也是線上小工具站的常態：改版就是換一個站，沒有遷移通知。

現版的首頁把定位寫得很直白。關於頁有一句：「我們相信，不是每件事都需要 AI 介入。有些任務只需要一個可靠的工具：拖進去，處理好，拿走。」在什麼都想掛上 AI 的這兩年，這句話本身就是它的選題標準：語音、文件、圖片這六類是幾乎每天都會遇到的小事，站方挑的是高頻而非炫技。首頁每張工具卡片一句話講清輸入輸出，頂部導覽隨時換工具，頁面上看不到登入、定價或方案比較的入口，整個站的商業企圖心小得很誠實。

Pin

繁體中文不是簡體字直接換字形的機翻，站內用詞是檔案、圖片、智慧去背、浮水印、隱私權政策這類台灣慣用語，也有英文與簡體可切換，切換過一次，下次來還是同一種；直接輸入不帶語言前綴的網址，它會按瀏覽器設定帶你到對應版本。深色模式與手機瀏覽器都在支援行列，我在桌面與手機寬度的頁面都看得到完整功能表。在地化沒有做到百分之百：合成引擎下拉選單的標籤、輸入框上方的說明句仍是簡體字，看得出哪些字串是後端直接送來、哪些是前端翻好的。

同一句話，三個引擎差了二十幾倍

文字轉語音是整個工具箱裡最有看頭的一項。輸入框右上有字數計數，單次最長 8000 字，更長的文字站方建議分段產生再拼接；輸出 MP3 或 WAV，語速有滑桿可調，語言能自動判斷中文或英文，也能手動指定。每個音色都可以先試聽一段再決定，不用真的合成全文才發現聲音不對。生成記錄存在你自己的瀏覽器裡，站方沒有帳號系統，換電腦就要重新來過，這是免註冊的另一面。

Pin

我用完全相同的句子實測三個引擎，結果差距非常大：

標準合成拿速度當賣點：44.1 kHz 取樣，對做草稿配音來說綽綽有餘，兩三秒交件。兩個高等引擎都降到 24 kHz 取樣，手機喇叭聽差別不大，進後期剪輯就會覺得糊。多音色的 CosyVoice2 走的是另一個極端：同樣的句子產出 24 秒的音檔，我逐秒檢查聲音能量，全程都有語音，等於用很慢的朗讀節奏在唸，合成本身還花了 67 秒，等於一分鐘的等待換 24 秒的慢速旁白。F5-TTS 落在中間，41 秒合成、9 秒音檔。實際使用的決策很簡單：趕時間用標準合成，要男聲、粵語或日語才去開多音色，並且把等待算進排程；每次合成回應都會回報實際排隊毫秒數，我實測都在個位數毫秒，等待幾乎全花在推論本身。

引擎身分站方沒有藏。語音清單的介面直接回傳三個型號，每次合成結束，回應標頭也標明實際使用的模型，對照下來三個都是開源圈知名的語音專案：MeloTTS 與 F5-TTS 採 MIT 授權、CosyVoice 採 Apache-2.0；以 GitHub 星數看，CosyVoice 與 F5-TTS 是萬星級專案，MeloTTS 也在七千顆星以上。對使用者的意義是，聲音的授權鏈有源頭可查，真要商用配音，可以回到上游模型的授權條款自己核對，而不是對一個匿名網站的口頭保證照單全收。音色清單裡，標準合成有中文與英文女聲，英文還分美式、英式、印度、澳式口音；多音色路線的選擇最多，中文女、中文男、日語男、粵語女之外，英文路由還有英文女、英文男與韓語女聲。比較微妙的是 F5-TTS，站方標籤寫「高保真克隆」，但音色清單是空的，頁面上也沒有上傳參考音檔的入口，實測不指定音色也能直接合成，走的是預設聲音，克隆二字目前名不符實。商用授權方面站方講得保守：音檔常用於影片配音、課程製作等場景，商用前請自行確認所用音色的授權條款。

自己合成的語音，再餵回去轉文字

語音轉文字單檔上限 25 MB、長度 5 分鐘，常見的 WAV、MP3、M4A、FLAC、OGG 都收。站方說法是上傳後會自動降噪與音量常態化，中文結果自動加標點，可下載 SRT、VTT 字幕或純文字。

我做了一個來回驗證：把前面 MeloTTS 合成的一段十七字測試語音直接上傳，7.1 秒後拿到逐字稿，內容逐字一致、標點也在，只是字體轉成了簡體。這次短音檔只拿到純文字回應；站方對支援的結果提供 SRT 與 VTT 字幕下載，下載鈕會在結果帶時間軸時出現。

台灣使用者要注意一件事：我輸入繁體文字合成語音，轉回來的逐字稿是簡體字。這是站方明載的行為，說明中心寫明中文結果會統一轉為簡體；要產繁體字幕或講稿，後製得自己再做一次簡轉繁。

超過 5 分鐘的錄音得先切檔再傳，25 MB 的容量上限對 MP3 來說約莫半小時的說話量，通常先撞到的是時長而不是檔案大小。做字幕的人可以注意輸出結構：純文字是一整段，帶時間軸的 SRT 與 VTT 要看結果有沒有提供，我的短檔測試只回純文字。

PDF、QR Code 與 Markdown：快的那一端

文件類工具的反應速度快很多。我自己造了一頁只有一行英文字的 PDF 上傳轉 TXT，0.35 秒回傳，內容精確。說明中心有先講清楚限制：單檔最大 50 MB、300 頁以內，超出要先拆分；文字型 PDF（可以直接反白選字的那種）轉 Word、Excel 效果最好，掃描檔屬於圖片型，建議改走轉圖片或 TXT 的路線；PDF 合併一次最多 20 個檔案，清單可調整順序。

PDF 編輯是一組獨立功能：合併、拆分、提取圖片、旋轉刪除重排頁面、修改文件資訊，處理的是頁面層級的整理，與內容轉換互補。轉檔目標除 Word 外還有 Excel、PowerPoint、JPG、PNG 與 TXT，實測走的是 TXT 這條最單純的路線。

QR Code 生成 0.66 秒交出一張 440×440 的 PNG，容錯等級、尺寸、前景背景色都能指定，也提供反向上傳圖片解碼。內容直接編進圖案裡，不像短網址服務要擔心連結服務商收攤，說明中心的建議是重要場合選容錯等級 H 與較大尺寸，自訂顏色時保持前景深於背景，否則手機可能掃不出來。Markdown 轉 HTML 選完整文件模式時，0.24 秒產出一份帶樣式、有行動版 viewport 的網頁，表格與程式碼區塊都正常，標題與排版樣式都在；只要正文片段的話可以切換模式，輸出乾淨的 HTML 拿去嵌部落格或編輯器。

圖片處理的十二項功能（裁切、壓縮、拼接、智慧去背、轉高畫質、浮水印、九宮格切圖等）沒有逐項操作，以下是說明中心的說法：壓縮建議優選 WEBP、要相容舊平台用 JPG、要透明或無損用 PNG；智慧去背在主體與背景對比明顯時效果最好，人物與商品照是典型場景；九宮格切圖可以先居中裁成正方形再切，九張圖按發布順序編號打包成 ZIP，結果區還能預覽三乘三的拼圖。單檔同樣吃 25 MB 上限。

最反常的發現：PDF 同時間全站只能跑一件

整輪實測裡最出乎意料的，是站方排隊機制公開的併發上限：文字轉語音同時 6 條、語音轉文字 2 條、圖片處理 2 條、輕量工具 4 條，而 PDF 轉換是 1 條。這些數字不是每個使用者的限制，是全站共用的：任何人此刻在轉 PDF，你的轉換就要排隊，先進先出。

這個數字改變了對「免費無限用」的理解。它撐得起一次一篇的零星需求，撐不起任何批次場景，把幾十份 PDF 丟上去等於和全站使用者排同一條單人隊伍。排隊期間頁面會顯示前方任務數與預估等待，也能隨時取消，介面訊息寫的是取消不消耗任何額度；高峰期看到排隊提示是正常現象，不是你的檔案出了問題。把這組數字和前面三個引擎的推論時間放在一起看，可以合理推測它的容量規劃：語音最吃算力，併發給得最多；PDF 轉換只開一條，排隊設計本來就是它的日常，只是平常人少時感覺不到。

速度背後：自架開源模型的小算力服務

幾個觀察湊起來，這個站的長相就清楚了。所有工具的請求端點都在 toolhub.club 自己的網域下，前端程式碼裡沒有任何外部模型 API 的位址；合成時間又呈現典型的小算力推論特徵，快則數秒、慢則一分鐘。合理推測站方是自己在伺服器上跑這三個開源模型，而不是轉呼叫大廠的付費 API，這點站方沒有明說，屬於我的推論。

站方也做了基本的防濫用設計：每個瀏覽工作階段要先向伺服器要一組通行權杖，之後每次合成、轉檔的請求都帶著它，權杖有期限，過期自動換發，拿不到權杖的請求會被擋下。這套機制擋的是寫程式濫用的人，一般使用者在頁面上感覺不到它存在。錢從哪來也看得到，頁面掛 Google AdSense 廣告，出版者編號就寫在載入的程式碼裡，免費的代價是看廣告，不是把檔案賣掉，至少這是它公開的商業結構。關於頁對新增工具的原則也誠實：隱私上要能在伺服器端處理而不存檔案、成本上要能長期免費撐住，才會納入。廣告加小算力自架，就是這個「全部免費」的成本結構。

檔案會去哪：處理在站方伺服器

用這類工具前最該問的問題是檔案往哪裡去。ToolHub 的答案很明確：上傳的音檔、PDF、圖片都送到站方伺服器處理，它提供的是免安裝的方便，交換條件是檔案離開你的電腦。這和瀏覽器端工具是兩個世界，例如開源轉檔工具 Filee 標榜檔案全程不出瀏覽器就轉好 180 種格式，適合放不上去的那種檔案。

站方在隱私權政策給的說法是：上傳內容僅用於當次處理，完成後即刻丟棄，不長期儲存，也不用於其他目的；統計是匿名的，訪客以不可逆雜湊計數，不存原始 IP 與瀏覽器識別。這些是站方宣稱，外部能驗證的部分有限，我檢查了前端統計請求，只帶頁面路徑、語系、來源三個欄位，與匿名統計的說法相符；生成記錄的設計也與政策同一個方向，資料放在瀏覽器的本機儲存，站方帳號系統根本不存在，想建檔也沒有入口。伺服器端實際怎麼處理檔案，只能採信政策文字。比較扣分的是治理面：網站沒有服務條款頁，營運者身分匿名，頁尾沒有公司或立案資訊，商用授權與責任歸屬的追溯鏈是斷的。扛起判斷的還是使用者自己：任何機密文件、身分證件、未公開的商業資料，都不該為了省一次安裝而上傳。

Pin

25 MB、5 分鐘與 8000 字的天花板

• 語音轉文字：單檔 25 MB、5 分鐘，中文輸出為簡體字。
• 文字轉語音：單次 8000 字，多音色引擎等待可超過一分鐘。
• 全站併發：PDF 轉換同時僅 1 條，其餘工具 2 至 6 條，高峰需排隊。
• PDF 轉換：單檔最大 50 MB、300 頁以內；轉 Word 僅適合文字型 PDF，掃描檔效果差。
• 圖片工具：單檔同樣 25 MB 上限，浮水印文字最長 60 字。
• 授權與條款：無服務條款頁、營運者匿名，語音商用需自行確認上游模型授權。
• 無帳號設計：生成記錄只存在瀏覽器，換裝置或清快取就沒了。

一次性小任務用它，機密與急件繞路

適合的情境很具體：要一段配音草稿、把會議錄音變逐字稿、抽出一頁 PDF 的文字、臨時生一張 QR Code、把 Markdown 筆記變網頁，這些一次性、不涉機密、等得起的任務，它免費又不用安裝。舉個完整的例子：五分鐘內的訪談錄音，上傳後拿到帶標點的逐字稿，自己做一次簡轉繁就能交給剪輯軟體；三百字的中文旁白用標準合成，單次等待半分鐘上下，聽稿、調語速、重合成幾輪都等得起，這種輕量節奏裝桌面軟體反而笨重。經常需要這類小工具的人，也可以把它和 Convry Tools、SinQi Tools 這類線上工具箱放在一起輪用，各有擅長。

不適合的也一樣清楚：機密或含個資的文件不該上傳；批次大檔會撞上全站共用的個位數併發；急件別賭多音色引擎的等待時間；要直接交付繁體字幕或講稿的，記得把簡轉繁算進流程。如果檔案根本不能離開電腦，轉檔走 Filee，浮水印有瀏覽器內完成的 Image Watermark Tool；影片逐字稿需求大到超過 25 MB 上限時，AnyToCopy 這類貼連結取稿的工具是另一條路。

判斷標準很簡單：拿到檔案、等待時間可接受，就是成功；如果排隊卡住或轉換失敗，說明中心有按症狀分的疑難排解清單，再不行就換本機工具，別跟免費服務的尖峰硬碰。