ElevenLabs
提供 AI 语音生成与语音代理功能的声音平台。
ElevenLabs 是围绕语音与音频内容的 AI 平台，提供文字转语音、声音创建与选择、音频转写和多语言配音等能力。
ElevenLabs 能做什么
开始前先分清输入和交付物：文字配音从稿件生成音频，转写从录音得到文字，多语言配音则把已有音视频的说话内容转换成另一种语言。不同任务的模型和编辑条件并不完全相同。
编辑建议：先用一小段包含人名、数字和专业词的材料试听，再决定整篇处理方式。把声音授权、文本权利和商业使用条件与音质检查一起完成。
将文字稿转换成语音
Text to Speech 根据文本生成语音，不同模型在语言、表达方式和长度等方面有不同条件。编辑建议：先把数字、缩写和停顿写清，再试听关键句。
选择声音或创建专用声线
平台有 Voice Library、语音克隆和 Voice Design 等方式。Voice Design 从描述建立新声音；克隆自己的声音需要相应素材，并遵守不同克隆方式的要求。
把录音转成带时间信息的文字
Speech to Text 提供音频转写，相关模型可输出词级时间戳和说话人区分等信息。适合整理访谈和准备字幕，再由人校正关键名词。
为已有音视频制作多语言配音
Dubbing 可转换音视频中的说话语言，并围绕说话人、语气和背景音进行处理。自动配音与 Dubbing Studio 的模型和编辑能力存在区别。
- 核心用途
- 文字配音、声音选择、转写与配音翻译
- 可完成的工作
- 课程旁白、字幕初稿和多语内容
- 如何开始
- 先确定语音任务、模型和输入素材
- 使用条件
- 检查声线权利、模型限制与商用条件
如何使用 ElevenLabs
- 按输入选择音频任务
有稿件时选文字转语音，有录音时选转写，已有视频需要换语言时选 Dubbing。编辑建议：先明确最终要音频、文字还是配音视频。
- 准备稿件与声音条件
文字配音先选择声音和模型；自行克隆声线时只使用符合要求的素材。编辑建议：准备术语、数字和特殊读法的小测试段。
- 生成短样并逐项听检
先生成短样或处理一小段音视频。编辑建议：对比原稿与音频，检查表达、读音和时间节奏，确认后再处理更长内容。
- 回查文件和使用条件
按所用产品可用的格式取得结果，再重新播放或对照转写。商业用途需要满足相应方案以及输入素材的知识产权要求。
为教程制作分段旁白
适合：课程作者、教程剪辑者
- 准备输入
- 已定稿的讲解、专业词表、每段对应画面和有权使用的声音。
- 操作方法
- 编辑建议：先选一段试配，检查语气与读法，再按自然段生成；将音频放入时间线对齐画面，发现问题只重做相应段落。
- 预期交付物
- 可供剪辑的分段旁白候选。
- 人工检查
- 核对单位、年份、否定词和品牌读音，并检查段与段之间的音量和语气。
从访谈录音整理字幕初稿
适合：播客编辑、访谈整理人员
- 准备输入
- 获准处理的录音、已知说话人名单和术语表。
- 操作方法
- 编辑建议：使用转写能力取得文本与时间信息，按说话人分段校对，再把确认后的文字整理为字幕或阅读稿。
- 预期交付物
- 经过初步校对的转写与字幕素材。
- 人工检查
- 逐段回听重叠讲话、环境噪声和人名；说话人标签不能当成身份鉴定。
把说明视频改编成另一种语言
适合：有海外受众的内容团队
- 准备输入
- 自有说明视频、目标语言、品牌用词和内容授权。
- 操作方法
- 编辑建议：先挑一个片段做配音，核对翻译和声音，再处理完整内容；根据所用模型和方案确认是否支持所需逐段修改。
- 预期交付物
- 待母语审校的多语言配音版本。
- 人工检查
- 核对译意、专有名词、停顿、音画节奏和背景音，避免遗漏必要提示。
界面与参考图片
开始前需要了解
不同模型的语言和长度条件不同
文字转语音的模型有各自语言、输入长度和表达控制方式，不能把某一模型的能力当成所有模型通用。编辑建议：按具体任务试小样。
专业语音克隆要求本人声音验证
官方说明 Professional Voice Cloning 使用声音验证机制确认属于自己的声音样本，并有方案条件。准备素材时应先阅读对应要求。
配音模式的后续编辑能力不同
官方说明自动配音与 Dubbing Studio 使用不同模型，Studio 处于维护状态；部分转写编辑与重新生成能力还受方案限制。先确认需要的修改方式再选择流程。
商业使用需要相应权利
官方文字转语音说明将商业使用与付费方案以及输入内容的知识产权条件关联。能试听或得到输出，不等于满足全部商业使用条件。
免费与付费套餐的字符/生成额度和商业使用条件不同。
账号权限、费用与可用功能请以官方入口的当前说明为准。重要结果应先检查，再用于实际工作。
常见问题
ElevenLabs 可以把采访录音变成文字吗？
可以，使用 Speech to Text 转写；相关模型还支持时间戳和说话人区分。编辑建议：字幕成稿前回听人名、术语及交叠讲话。
可以创建一个全新声音，而不是模仿真人吗？
可以使用 Voice Design，以文字描述声音特征。它与从音频素材建立的语音克隆是不同方式。
多语言配音是不是只翻译字幕？
不是。Dubbing 针对音视频中的说话内容生成目标语言配音，并处理声音和背景音等因素。翻译与音画节奏仍需审校。
为什么相同文本再次生成听起来有差别？
官方说明生成具有非确定性，即使使用一致性控制也可能出现细微差异。编辑建议：保留已选定段落，减少不必要的整篇重新生成。
