ElevenLabs
以假乱真的合成语音，覆盖各种语言。
Olya 的档案
- 独到之处
- 它不是一个模型，而是一份目录，选择永远是一场交换：Eleven v3 会“演”，能读懂句子的语境，并在七十多种语言里接受语气指示，但对实时场景来说太重；Flash v2.5 在 32 种语言上把延迟压到 75 毫秒上下，代价正是那份表现力。围绕语音合成的还有整张工作台——即时或专业的声音克隆、配音、支持九十多种语言的 Scribe v2 转写、对话式智能体——都在同一套 API 之下。计费按额度算，一个额度就是一个字符：这是诚实的算法，因为它提前告诉你一页文字要花多少钱。
- 强项
- 真正拉开差距的是长篇表现：停顿、换气和标点处理不会在第三段之后崩掉，而那恰恰是绝大多数替代品露馅的地方。克隆出的声音在不同语言之间仍然可辨，所以同一个叙述者可以撑起同一内容的十三个语言版本，而不像十三个不同的人。未用完的额度最多可以顺延两个月，这对工作量忽多忽少的月份是一种宽容。
- 何时使用
- 它适合长篇叙述——有声书、纪录片、播客、课程——也适合把已有的内容库本地化成多种语言，包括配音。另一端，电话里或产品内的语音智能体是价格站得住脚的第二种场景，因为 Flash 的延迟足够低，等待不会被误认成故障。如果声音是体验的一部分而不是点缀，这个差别听得出来。
- 何时避开
- 账单随字符数增长，因此面对工业量级的重复文本——通知、提醒、固定话术的电话应答——在自己机器上跑开源模型的成本只有零头，也没人会察觉差别。商用授权从每月 6 美元的套餐起，专业克隆要到 22 美元的套餐才有，所以免费额度是用来试，不是用来做的。而克隆真实人物的声音需要对方留有记录的同意：这在成为技术问题之前先是法律问题，软件不会替你解决。