ElevenLabs把声音做成了按字符卖的基础设施，不是给你一个配音软件就完事。免费版$0每月给10,000积分，代价是只能用于非商业用途，要拿它的声音去做客户项目或者给产品做旁白，先订阅付费版。
对出海做站、做英文内容的人，这意味着一条旁白、一段播客、一版多语言配音，不用再等人、等棚、等排期。猎者出海把它归在出海工具这一类，看中的就是这一点。更多出海常用的AI工具，整理在出海常用AI工具这一篇里。至于在中国大陆能不能注册、能不能用国内的支付方式，以官方页面为准。
- 是什么：五块能力，文本转语音、语音转文字、语音克隆、语音智能体、生成式音频
- 免费额度和商用限制：免费版每月10,000积分，只能非商业用途，付费订阅才能商用
- 怎么做：ElevenCreative网页端输文本、选音色和模型就能出声音，也可以用API
- 价格起点：付费从Starter每月$6起，年付只付10个月的钱
下面从注册付款、做出第一条配音一直讲到克隆自己的声音，价格和积分单独用表列清。
本文目录
ElevenLabs是什么：一套AI语音基础设施，不只是配音
官方文档把自己定义成AI语音基础设施，底下列了五块：文本转语音、语音转文字、语音克隆、语音智能体、生成式音频。配音是其中被用得最多的一块。语音智能体用在做自动应答、电话客服这类会来回对话的场景，生成式音频包括音乐和音效。
入口有三个。ElevenCreative是无代码网页应用，创作者、制作人、编辑直接在浏览器里生成旁白、音乐、配音和工作室项目，不写代码也能跑通。ElevenAgents用来设计和运营语音智能体，有给非技术用户的可视化搭建界面，也给开发者完整的编程控制。ElevenAPI把每一项能力做成REST接口，配官方Python和TypeScript的SDK，把语音接进自己的程序或者工作流走这条。
音色就是生成音频时那个说话的人，每个音色有唯一ID，比如JBFqnCBsd6RMkjVDRZzb这种字符串，在后台选，或者在API请求里传。官方维护的音色库有10,000个以上。模型决定生成音频的质量、延迟和语言覆盖，eleven_v4在90多种语言下输出最有表现力。克隆出来的声音能自动说32种以上语言，中文在列。
做中文配音和做英文配音，听起来像不像真人得分开判断，中文英文哪个像真人这篇专门对照这个。同一个账号，换一种语言，成品的好坏不是同一把尺子量的。
ElevenLabs注册和付款要看清的几条规则
账号本身有两条硬规则写在服务条款里：没满18岁，或者没到所在地区的法定成年年龄，不能用；账号凭证不能共享，也不能允许别人用你的账号。这两条不是建议，是使用资格。
付款方式只有三种：信用卡、Apple Pay、Google Pay。订阅从下单那天开始，按月或者按年计费。标价不含税费、征费和关税，结算的时候要把这部分算进去。
免费和付费的差别在用途上。免费用户只能用于非商业目的；付费订阅用户可以用在商业项目里，但输出内容仍然要遵守禁止使用政策。给客户做旁白、给自己的产品做演示音频、放进广告素材里，都算商业用途，先有付费订阅再动手。
套餐里给的不只是积分。并发请求数、音频质量、能建多少个自定义音色、能建几个专业克隆，都按套餐分档，免费版的并发是限量使用，输出质量到Pro及以上才给192kbps这一档。选套餐这几项要一起看，只盯积分容易挑错。
ElevenLabs怎么用：网页端三步做出第一条配音
不写代码就走ElevenCreative，三步，每步都有要盯的地方。
- 选音色。进ElevenCreative，打开elevenlabs.io/app/voice-library浏览音色，试听，定下一个。音色就是成品里那个说话的人，选错了后面全得重来。每个音色有唯一ID，用API的时候也是靠这个ID指定，选完先记下来。
- 粘文本、选模型。按用途选：实时语音智能体用Eleven v4 Turbo，要有表现力或者做长篇旁白用Eleven v4，压成本用Eleven Flash v2.5，长篇输出最稳的是eleven_multilingual_v2。字符上限跟着模型走，v4单次最多10,000字符，差不多10分钟音频；Flash v2.5给到40,000字符；v3是5,000字符；multilingual v2是10,000字符。文案长了先切段，别硬塞。
- 生成、下载。积分按生成请求扣，文本转语音是1个字符1积分，下载不额外扣。不满意可以免费重新生成，次数有限，前提是内容和部分设置不变，这一次算不算免费，生成前页面会提示。
出问题先回查两个地方。报错多半是单次请求超了模型的字符上限，换上限更高的模型，或者把文案切成两段。声音不对，先换音色再换模型，一次只动一个变量，不然分不清是哪一个起的作用。
API这条路适合批量跑。装SDK是pip install elevenlabs python-dotenv，把API密钥写进项目目录的.env文件，然后调文本转语音接口，指定text、voice_id、model_id和输出格式，一次请求直接存成MP3。终端里用ElevenLabs CLI做同样的转换也可以。API按美元单独计费，不扣订阅积分，两套账分开算。
生成完的音频只是素材，后面还要对着文字稿剪。改文字稿剪视频播客走的是先改文字再剪片的路子，配ElevenLabs的输出正好接得上。
ElevenLabs语音克隆要多少录音：1到5分钟够用，30分钟才专业
克隆分两种模式。即时语音克隆用1到5分钟音频，声音副本几秒内就绪，适合快速做内容、先看效果。专业语音克隆要30分钟以上干净音频，质量高得多，官方说几乎和原声分不出来，适合有声书、商用旁白这种要长期用的场景。专业克隆的名额按套餐给，Creator1个，Scale3个，Business10个。
流程三步：选克隆模式，录一段或者上传一段清晰音频；AI处理音频文件，学这段声音的特征；然后用自己的声音生成语音，或者在Studio里做旁白、有声书。
音频本身的要求比时长更要紧。素材要干净、没有背景噪音、只有一个人说话；用正经麦克风录的，效果比手机录音或者带环境噪音的素材好。时长上，即时克隆1到5分钟清晰音频就不错，专业级建议至少30分钟，最佳是3小时。
红线在这里：只能克隆自己的声音，或者你已经拿到授权的声音。克隆别人的声音要有对方明确同意，不少平台还会要求语音验证，证明你有权克隆这个声音。名人或者公众人物的声音，可能还受版权或者人格权保护。用克隆声音做欺诈、冒充、误导内容，在多数地区属于违法。条款里也写明了，不能提供自己没有全部必要权利的输入，也不能拿这种输入去做输出。另外，含受保护健康信息的输入不能上传，除非已经签了HIPAA BAA。
不想让自己的内容被拿去训练，可以在账号的Terms and Privacy里找到Data use菜单，随时退出。这个开关的位置记住，后面讲AI那节还要用到人手动点这一下。
ElevenLabs价格和积分：一张表看清每个套餐给多少积分
| 套餐 | 月付价格 | 每月积分 | 年付折算月价 |
|---|---|---|---|
| Free | $0 | 10,000 | $0 |
| Starter | $6（首月$1） | 30,000 | $5 |
| Creator | $22（首月$11） | 121,000 | $18.33 |
| Pro | $99 | 600,000 | $82.50 |
| Scale | $299 | 1,800,000 | $249.17 |
| Business | $990 | 6,000,000 | $825 |
| Enterprise | 定制 | 定制 | 定制 |
Scale带3个席位，Business带10个。最便宜能商用的起点是Starter，每月$6给30,000积分；Creator首月$11，之后$22，积分到121,000，适合每周都要出成品的节奏；再往上是给团队和批量项目用的。
| 功能 | 积分消耗 |
|---|---|
| 文本转语音 | 1积分/字符 |
| 语音转文字 | 330积分/分钟 |
| Eleven Music | 900积分/分钟 |
| 音效 | 200积分/次 |
| 变声器、人声分离 | 1,000积分/分钟 |
| 自动配音 | 每分钟2,000（自动带水印）、3,000（自动不带水印）、5,000（Dubbing Studio带水印）、10,000（Dubbing Studio不带水印） |
所有产品共用一个每月积分池，一边花掉，另一边就少。按1字符1积分算，10,000积分大约能生成10,000字符，官方给的换算是10,000字符差不多10分钟音频。
积分在每个计费周期开始时重置，周期从订阅那天算起。没用完的付费积分最多顺延2个月，最多是月配额的2倍，所以余额最高到月配额的3倍，前提是订阅一直有效、没有降级也没有取消。降级或者取消，周期结束时没用完的积分就失效；免费版不参与顺延。年付按「月付乘10」算，等于只付10个月，送2个月，折算月价就是表里最后一列。
API走另一套账，按美元算，不扣积分。文本转语音多语言模型每1,000字符$0.08，Flash/Turbo每1,000字符$0.04；语音转文字Scribe每小时$0.20，实时版每小时$0.22；音乐每分钟$0.15，变声器和人声分离每分钟$0.12。语音智能体又是单独一套，按通话分钟计费，不共享积分池，额外通话分钟每分钟$0.08，超出并发限制按标准价两倍收，接Twilio这类外部电话服务商时，那边的费用由服务商直接向你收。
积分怎么折算成钱、哪个套餐匹配你的用量，ElevenLabs价格全解析拆得更细。要把AI配音用在做英文播客上，接着看AI配音做英文播客。
ElevenLabs容易踩的坑，和出问题时的排查顺序
- 免费版能商用。这条不成立，免费用户只能把服务用于非商业目的，商用要先有付费订阅。
- 下载会再扣一次积分。积分按生成请求扣，不按下载扣。
- 取消订阅，没用完的积分还能留着。降级或者取消之后，周期结束时没用完的付费积分失效。
- 免费版的积分也能顺延。顺延不适用免费版。
- 并发限制等于同时对话数的上限。并发限制不是同时对话数的上限，官方的经验值是限制为5一般能撑约100路同时音频广播，具体看音色和用法。
- 延迟数字就是用户听到声音的时间。那些数字不含应用和网络延迟，用户真正听到音频的时间更长。
- 克隆声音不需要授权。克隆他人声音要对方明确同意，名人声音还可能受版权或者人格权保护。
- 账号关了积分还在。账号关闭或者被终止，名下所有没使用的积分全部作废。
积分掉得比预期快，按这个顺序回查。
- 先看剩余积分。登录平台，从个人菜单进订阅页面，余额在那儿。
- 再看已用字符和分钟数。进开发者仪表盘的analytics标签页，哪个功能在吃积分一目了然。
- 单次请求报错超限的，看单次生成有最大积分上限，上限取决于免费版还是付费订阅，跟余额不是一回事。
长文案要切段、模型要匹配，靠人记容易漏。把这些规则写成固定的提示词交给AI，切段和选模型都能稳下来，写法可以参考提示词五段式模板。
用AI把配音流程跑顺：4步能替，3个动作必须人做
AI能接过去的是重复的判断和整理，声音本身还是由模型生成。下面四步，是它真能省时间的部分。
- 切段并标字符数。把中文文案按模型字符上限切开，标出每段字符数和累计字符数，对着套餐积分就能先算出这一条要花多少，不用等扣完再心疼。
- 按用途匹配模型。有声书旁白、短视频配音、实时对话要的模型不一样，让AI按官方给的模型对照给结论和理由，比凭印象挑稳。
- 生成克隆前的录音脚本和检查清单。录什么、录多长、环境什么要求，先列出来，录的时候照着念，省掉录完发现不能用再重录。
- 把官方定价页和文档里的价格、积分、消耗规则整理成一张对照表，套餐放一行，消耗放一行，选套餐时不用来回翻页面。
下面三条提示词可以直接复制，是本文给的示例，不是官方模板。
「把下面这段中文文案按每段不超过10,000字符切分，输出每段字符数和累计字符数，不要改写原文。」
「根据这段文案的用途（有声书旁白、短视频配音、实时对话），从Eleven v4、Eleven v4 Turbo、Eleven Flash v2.5、Eleven Multilingual v2里选一个，说明理由，只引用官方文档里的模型说明。」
「把这份录音要求整理成检查清单：干净、无背景噪音、只有一人说话、即时克隆1到5分钟、专业克隆30分钟以上、最佳3小时。」
必须你亲手做的有三件。账号里那个是否把内容用于训练的开关，自己点；订阅页的剩余积分和开发者仪表盘analytics里的已用字符、分钟数，自己看，看完再决定要不要升套餐；上传克隆音频之前，确认这段声音是本人或者已获书面授权，语音验证那一关也得自己过。第四步那种重复对照的活，交给猎者出海的AI Agent去做更省事，它干的就是整理资料、对照官方文档这一类。
常见问题
ElevenLabs免费版能用在商业项目里吗
不能。免费账号只能把服务用于非商业目的，付费订阅才可以用在商业项目里，付费用户同样要遵守禁止使用政策。
生成一条10分钟的配音要多少积分
文本转语音按每字符1积分算，10,000字符差不多是10分钟音频，也就是10,000积分。按这个换算，免费版每月的10,000积分，够一条10分钟左右的成品。
克隆自己的声音要录多久
即时克隆1到5分钟清晰音频就够，声音副本几秒内就绪。要专业级效果，至少30分钟，最佳3小时，录音要干净、没有背景噪音、只有一个人说话。
取消订阅后账号会怎样
随时可以取消，当前计费周期结束前还能用，之后不再续费、降为免费版。没用完的付费积分在周期结束时失效，免费版不参与顺延。
API是扣积分还是另外收钱
API按美元单独计费，不走订阅的积分池，语音智能体又按通话分钟单独算。三条计费线互不相通，做预算要分开列。
中文配音能不能用
eleven_v4支持90多种语言，克隆出来的声音能自动说32种以上语言，中文都在范围内。像不像真人要按语言和音色分开听，同一套参数换语言，成品好坏不是一回事。
这类工具真正花时间的部分，是把规则看清楚：免费版不能商用、下载不额外扣、取消就作废、克隆要有授权，这四条记住，能省掉大部分返工。价格和条款会改，动手前回官网扫一眼。要有人帮你把官方页面盯着、把条款整理成能直接用的对照表，猎者出海的AI Agent做的就是这件事。
发表评论