路线一：做旁白和配音
给短视频、课程、有声书配旁白。重点看 第 1 课 文本转语音、第 2 课 情绪标签 和最后的 中文避坑技巧，一个下午就能上手。
ElevenLabs 是目前最受欢迎的 AI 语音工具之一，能把文字变成自然的人声、克隆你自己的声音、把视频一键配成外语。但它的界面是英文的，参数又多，很多人第一次打开不知道从哪下手。ElevenLabs教程网把最常用的功能拆成一步一步的中文教程，照着做就能出成品。
ElevenLabs 功能很多，但没必要全学。按你的目的选一条路线，只看对应的几节就够了。
给短视频、课程、有声书配旁白。重点看 第 1 课 文本转语音、第 2 课 情绪标签 和最后的 中文避坑技巧，一个下午就能上手。
想让 AI 用你的声音说话，或者把中文视频配成英文、日文。重点看 第 3 课 声音克隆 和 第 4 课 AI 视频配音。
要在自己的 App、小程序后台或脚本里批量生成语音。直接看 第 5 课 API 快速上手，十几行 Python 就能跑通。
这是 ElevenLabs 最基础、也最常用的功能。注册完账号，跟着下面五步走一遍。
稳定性（Stability）：调低更有感情但可能忽高忽低，调高更平稳但偏"播音腔"。旁白类内容建议从中间值开始。
相似度（Similarity）：越高越贴近原始音色，太高可能把原录音里的杂音也学进去。
风格强度（Style）：放大声音的个人风格，一般保持较低即可，调高会变慢、也更容易不稳定。
| 模型 | 特点 | 适合场景 |
|---|---|---|
| Eleven v3 | 表现力最强，支持情绪标签，语种最多；但结果随机性较大，需要多生成几次挑选 | 有声书、广播剧、短视频旁白 |
| Multilingual v2 | 稳定、自然，长文本不容易跑偏 | 课程讲解、企业宣传片、长篇朗读 |
| Flash 系列 | 延迟极低、额度消耗更少，音质略逊 | 语音助手、实时对话、大批量生成 |
模型会持续更新，以你在 ElevenLabs 界面里看到的列表为准。
克隆效果好不好，八成取决于你上传的录音。这一课重点讲怎么录。
专业克隆（Professional Voice Clone）需要至少 30 分钟的高质量录音，素材越多越好，还要朗读一段验证文本证明是你本人的声音。训练需要一段时间，但还原度明显高于即时克隆，适合要长期用同一个声音做内容的创作者。
同一支麦克风、同一个房间一次录完；离麦克风保持一拳左右的距离；用你希望 AI 说话的那种语气录；录完剪掉长时间的空白和口误。
Dubbing（配音）功能会自动转写、翻译，并尽量保留原说话人的音色，做出海内容特别省事。
人声清晰、背景音乐不要太响、多人说话时不要互相抢话。口播、访谈、课程类视频效果最好；背景嘈杂的街头 vlog 效果会打折扣。
如果你要给大量文案批量配音，或者把语音功能接进自己的产品，就用 API。下面以 Python 为例。
登录 ElevenLabs，在个人设置里找到 API Keys，新建一个密钥并复制保存。这个密钥等同于你的账号额度，千万不要写进前端代码、也不要传到公开仓库。
pip install elevenlabsimport os
from elevenlabs.client import ElevenLabs
# 从环境变量读取密钥，不要把密钥直接写在代码里
client = ElevenLabs(api_key=os.environ["ELEVENLABS_API_KEY"])
audio = client.text_to_speech.convert(
text="你好，欢迎来到 ElevenLabs 教程网。",
voice_id="JBFqnCBsd6RMkjVDRZzb", # 换成你在声音库里选的声音 ID
model_id="eleven_multilingual_v2",
output_format="mp3_44100_128",
)
with open("output.mp3", "wb") as f:
for chunk in audio:
f.write(chunk)在 Voices 页面点开任意一个声音，菜单里有"复制声音 ID"。自己克隆的声音也一样，换上它的 ID 就能用你的声音批量生成。
把文案按段落拆开逐条调用，出错时只需要重跑失败的那一条；注意账号的并发上限，调用太快会被限流；生成前先估算字数，API 同样按字符消耗额度。
ElevenLabs 的普通话已经很自然，但中文特有的几个问题，提前处理能省下很多返工。
大多数"AI 读得怪"的问题，其实不在模型，而在文本。AI 看到什么就念什么，所以最好的调教方法，是把文字改成"适合被念出来"的样子。
"行长""重庆""长大"这类词偶尔会读错。与其反复重新生成碰运气，不如直接改写句子，或者换一个不会引起歧义的同义词。
"2026"可能被读成"两千零二十六"，也可能是"二零二六"。你想要哪种，就直接写成哪种汉字。英文缩写同理，"AI"想读成字母就保持原样，想读成"人工智能"就写中文。
逗号是短停顿，句号是长停顿，省略号会带出犹豫的语气。一句话太长 AI 容易"一口气念完"，适当拆成短句，听感会自然很多。
一次生成的文本越长，中途语气跑偏的概率越高。建议按段落分开生成，再在剪辑软件里拼接；做有声书这类长内容，可以用 ElevenLabs 的 Studio 编辑器按章节管理。
AI 语音每次生成都有差异，尤其是 Eleven v3。关键句子生成三次，挑最好的一版，往往比花半小时调参数更有效。
按功能门槛来选最省钱：先想清楚你需不需要商用、需不需要克隆。以下为参考价格，实际价格和额度以官网为准。
团队和企业还有 Pro、Scale、Business 等更高档套餐，适合大批量生成和多人协作。
坦白说：中国大陆不在 ElevenLabs 官方支持的服务地区内，注册、访问和付费都可能受限。身在海外或有海外主体的团队使用会顺畅很多。另外，在国内公开发布 AI 合成的声音内容，需要按相关规定做好 AI 生成标识。
不能。免费版不含商用授权，并且需要注明来源。要用于带货、广告、付费课程等商业用途，需要升级到付费套餐。
即时克隆建议 1 到 2 分钟干净的单人录音；专业克隆至少 30 分钟，素材越多还原度越高。录音质量比时长更重要。
先改文本：多音字换个说法，数字写成想要的读法，长句拆短。然后多生成几次挑最好的一版。具体方法见上面的"中文配音避坑"。
文本转语音按字符数扣额度，不同模型的扣法不同，Flash 这类快速模型通常更省。每月额度到期清零，具体规则以你账号里的用量页面为准。