ElevenLabs (ElevenLabs)
💰 Token 价格
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | TTS: $0.03-0.30/1K chars depending on model/quality; STT: $0.47/hour; Sound Effects: $0.04/request | 每百万 tokens |
| 输出 (Output) | Same as input rate per model | 每百万 tokens |
10,000 credits/month (≈10 minutes audio, free plan with limited features)
🤖 支持模型（共 8 个）
✨ 优势
- ✓ 业界领先的 AI 语音合成质量，29+ 语言支持
- ✓ Voice Cloning（专业版+即时版）：精准声音克隆
- ✓ ElevenAgents：对话式 AI 语音助手 API
- ✓ ElevenScribe：高精度语音转文字，$0.47/小时
- ✓ ElevenSound：AI 音效生成，$0.04/次
- ✓ 44.1kHz PCM 高保真音频输出（Pro 计划）
- ✓ 完善的 Startup Grants Program（12个月免费，3300万字符）
⚠️ 不足
- × API 以字符/小时计费，与传统 LLM token 计费方式不同，成本难以直接对比
- × 国内使用需稳定代理连接
- × 免费额度有限（10,000 积分/月 ≈ 10 分钟音频）
- × 多语言模型质量因语言而异（英文最好，小语种稍弱）
- × 非 LLM API——不适用于文本生成/推理场景
🎯 适合场景
需要高质量 TTS 的应用（播客、有声书、语音助手）；语音克隆与定制；SaaS 产品的语音功能集成
💰 定价与方案
| 方案 | 价格 | 积分 / 配额 | 最佳用途 |
|---|---|---|---|
| Free | $0 / 月 | 每月 1 万积分（约 10 分钟音频）；3 个 Studio 项目；仅限非商业用途 | 升级前试听 ElevenLabs 的声音效果 |
| Starter | $6 / 月 | 每月 3 万积分；20 个 Studio 项目；商用许可；Instant Voice Cloning | 发布短音频的独立创作者 |
| Creator（热门档） | $22 / 月（首月 $11） | 每月 10 万积分；Professional Voice Cloning；音乐商用；Dubbing Studio | 播客与有声书等业余到准专业用户 |
| Pro | $99 / 月 | 每月 50 万积分；通过 API 获得 44.1 kHz PCM；192 kbps 音频；3 个 Professional Voice Clone | 中等规模集成 TTS 的生产级 SaaS |
| Scale | $299 / 月 | 每月 180 万积分；3 个工作区席位；3 个 Professional Voice Clone；团队协作 | 运营多个语音应用的中型团队 |
| Business | $990 / 月 | 每月 600 万积分；10 个席位；低延迟 TTS 低至 5 美分/分钟；10 个 Professional Voice Clone | 高并发呼叫中心和实时语音 Agent |
| Enterprise | 定制报价 | 定制积分与席位；SSO/SAML；HIPAA BAA；数据驻留；优先支持；提升并发上限 | 受监管行业与 500 强企业部署 |
| Startup Grants 计划 | $0（12 个月） | 12 个月内 3300 万字符额度；面向初创团队的完整 API 访问 | 上线语音优先产品的早期创业团队 |
🔧 API 与开发者体验
- •传输协议: REST + WebSocket 双通道——REST 用于批量 TTS / STT 生成，WebSocket 用于低延迟会话流式（Business 档首字节延迟 <200ms）
- •官方 SDK: Python（`pip install elevenlabs`）与 Node.js（`npm install @elevenlabs/elevenlabs-js`）均由 ElevenLabs 维护；社区提供 Go、Ruby、Rust、.NET、Java 版本
- •音频格式与流式: 输出支持 MP3、PCM（16/24/32-bit）、WAV、μ-law；Pro 及以上档可用 44.1 kHz PCM；TTS 接口支持流式分块响应以实现实时播放
- •声音克隆接口: Instant Voice Cloning（≤1 分钟样本，Starter 及以上可用）与 Professional Voice Cloning（≥30 分钟样本，Creator 及以上可用）通过 `/v1/voices/add` 接入；需提供同意验证元数据
- •ElevenAgents / 会话能力: 通过 WebSocket 提供会话式 AI 语音 Agent——支持轮次切换、打断处理与工具调用；ElevenAgents Platform 端点将 STT + LLM + TTS 整合为单条流水线
- •MCP 服务: 托管式远程 MCP 服务，地址 `api.elevenlabs.io/v1/mcp`（全球）与 `api.us.elevenlabs.io/v1/mcp`（美国数据驻留）——OAuth 鉴权，将 Agent 与创意生成能力暴露为 MCP 客户端工具
- •计费模型: 全产品（TTS、STT、音乐、音效、克隆、Dubbing）共用同一积分池；积分可滚动累积至月配额 2 倍；Creator 及以上档支持超额按量计费
🎙️ 语音质量与多语言能力
ElevenLabs 仍是神经 TTS 自然度的事实标准，这一优势在多语言输出上尤为突出。Eleven Multilingual v2 覆盖 29 种语言，保留情绪韵律和语种切换能力；Eleven Turbo v2.5 与 Eleven Flash v2 在表达力上略有妥协，换取约 50% 的延迟与积分成本下降，成为实时会话 Agent 的默认选项。除 TTS 之外，平台还整合了 STT（ElevenScribe，$0.47/小时，支持说话人分离与字符级时间戳）、ElevenSound 音效生成、Eleven Music 背景音乐生成，以及可在 70+ 语言间翻译并重新配音的自动 Dubbing Studio。声音克隆 API 是第二大支柱：Instant Cloning 只需约 1 分钟干净音频，Professional Cloning 则用 30+ 分钟录音生成录音棚级复制品，API 表面已内置同意验证元数据。ElevenAgents 将这些原语整合为一条托管式会话 AI 流水线，这也是 ElevenLabs 在 2026 年成为生产级聊天机器人与 AI 呼叫中心默认语音层的根本原因。
🌐 中国访问与延迟
ElevenLabs 没有在中国大陆部署，也没有公布过大陆可用性的路线图，因此从大陆 IP 直接调用 api.elevenlabs.io 会带来跨境网络的典型代价——首包延迟通常在 300–800 毫秒（最近海外节点为新加坡或东京），高峰时段偶发超时，且工作区控制台可能对陌生地理位置的登录触发风控。中国的生产用户一般通过稳定的海外代理或香港中继接入，而 Business 档的低延迟 TTS 能力（合成音频低至 5 美分/分钟）只有经由这条中继连通后才能真正发挥作用。优雅的降级路径是保持 API-only 姿态：HTTP 与 WebSocket 接口可复现，因此通过自托管代理或对 ElevenLabs 美东区域做 VPC 对等互连，可以满足批量生成需求；但 ElevenAgents 的会话流水线额外引入了多次往返，是对大陆网络条件最敏感的部分。对于需要完全在境内完成语音合成的团队，2026 年常见的折中方案是：国内流量用开源 CosyVoice 或国内 TTS SaaS（科大讯飞、阿里云），仅在海外高质量场景保留 ElevenLabs。