5 min read
一人企业能用到的最好的 AI 语音，本周有了明显提升，而且你一分钱不花就能试用。9 月 28 日，ElevenLabs 发布了新的文本转语音模型（把书面文字转换成口语音频的软件）Eleven v4，以及速度更快的姊妹模型 Eleven v4 Turbo。据 TechCrunch 的发布报道，新模型可以更精细地控制情绪和语气，支持 90 多种语言，并且在包括免费套餐在内的所有套餐中都可使用。
这是一篇工具深度介绍，所以先说结论：只要你制作任何音频，无论是课程讲解、产品视频还是电话问候语，Eleven v4 现在都是最值得优先测试的 AI 语音。下面介绍它改变了什么、真正适合谁、有哪些不足，以及如何在第一个小时里用出价值。
Eleven v4 真正带来的变化
以前的 AI 语音擅长朗读。它们能把字读准，但听起来像是第一次念稿子的人。v4 的设计目标是表演而不是背诵。你可以引导语气，让一句话听起来温暖、兴奋、平静或严肃，模型处理停顿和重音的方式也更像一个明白自己在说什么的人。
对小微经营者来说，最重要的改进有四点：
- 表达控制。你可以调整语气和节奏，而不必把一段音频重新生成十次，只为碰到更好的一版。
- 90 多种语言。同一份稿子可以变成西班牙语、日语或德语的旁白，无需为每个市场另请配音员。
- 更快的声音克隆。据报道，现在只需约 10 秒的样本音频，就能克隆出可用的你自己的声音。
- 面向实时场景的 Turbo。经测量，Eleven v4 Turbo 从接收到开口约 150 毫秒，足以让电话或聊天客服代理在没有尴尬停顿的情况下回应。
ElevenLabs 还表示，v4 在 9 月的一项独立语音排行榜中位列第一，在盲听对比中约有四分之三的听众更喜欢它。对厂商的说法要保持适度谨慎；好在有免费套餐，你可以在花钱之前用自己的耳朵判断差别。
谁应该关注（以及谁可以跳过）
非常适合
- 经常更新课程的课程创作者和教练。改一句话不再意味着要重录整个模块。
- 为社交媒体制作短演示视频的产品卖家，需要一个统一、专业的旁白声音。
- 拥有国际客户的服务型业务，比如顾问、家教或旅行规划师，现在可以用多种语言发布同一份讲解。
- 正在搭建语音代理的人，借助 Turbo 模型的低延迟，用于预约或非营业时间的来电。
不太适合
- 以主持人个性为核心的播客。如果听众是冲着你来的，你真实的声音和即兴的闲聊就是产品本身。把 AI 用在片头和广告口播上，而不是整期节目。
- 监管严格的信息。医疗、法律或金融方面的声明，无论声音多自然，都仍需人工逐字仔细审核。
一人经营者本周就能用上的五种方式
- 把你最好的博客文章变成音频。粘贴文字、选择声音，再把音频文件加到文章里。喜欢听的读者有了新选择，而你也不用抱着麦克风在储物间里耗上一下午。
- 克隆自己的声音用于修改。录一段干净的样本，创建克隆，用它来修补已有视频中的错误，让修改部分听起来也是你的声音。如果你还想要一个出镜的主持人，可以搭配我们在 HeyGen 评测中介绍的视频工具。
- 本地化一个产品视频。挑选你最畅销的产品，制作第二大市场语言的版本。在全部翻译之前，先衡量它是否带来更多点击。
- 升级你的电话问候语。自然的问候语和等待提示音几分钟就能做好，让一家小店听起来也像成熟的企业。
- 给短视频配上旁白。如果你已经在把长视频剪成短片，就在前两秒加一句旁白开场，因为大多数观众正是在这时决定是否继续看下去。
价格，用大白话说
ElevenLabs 采用积分制：每个套餐每月包含一定的字符额度（大致就是被转换成语音的文字量）。免费套餐足够你认真试用 v4、写几份稿子，并判断音质是否值得付费。付费套餐提供更多字符额度、商业使用权以及更高质量的声音克隆。套餐和额度经常调整，所以在决定之前，请到 ElevenLabs 官方价格页面查看最新数字。
两点实用提醒。第一，如果音频会出现在你销售或推广的内容中，务必确认所选套餐的商业授权。第二，开发者接入在发布时有折扣，这只在你打算通过 API（一个应用与另一个应用对话所用的连接接口）把 ElevenLabs 接入其他软件时才有意义。
需要了解的坑
不讲缺点的工具介绍都不算诚实。
- 稿子仍然比声音更重要。再好的声音念一份啰嗦的稿子，得到的仍是啰嗦的音频。要为耳朵写作：句子更短、括号更少、数字按口语的方式写。
- 长内容会很快耗尽积分。一门一小时的课程就可能用完入门套餐的额度。在生成任何内容之前，先写好并确认稿子。
- 声音克隆意味着责任。只克隆你自己的声音，或你已获得书面许可的声音。如果观众有可能误以为是真人，请告知旁白由 AI 生成。
- 人名和专业术语的发音可能出错。发布前把每段音频都听一遍，尤其是客户名称和产品名称。
你和 Eleven v4 的第一个小时
如果你想要一个简单的计划，可以这样做。用十分钟挑选访问量最高的页面或观看次数最多的视频。用二十分钟把其中的核心部分改写成约 150 个单词的口播稿。用十五分钟试听三种声音和两种情绪设置。用最后十五分钟发布效果最好的版本并记下日期，一个月后就能对比互动数据。
如果你的想法一开始只是杂乱的语音备忘，我们关于把语音备忘变成成品内容的分步指南，会教你在打开 ElevenLabs 之前，如何把粗糙的想法整理成干净的稿子。
总结：Eleven v4 几乎消除了一人企业听起来比实际规模更小的所有理由。它不会取代你的个性，也不应该尝试这样做。但对于你一直拖着没做的旁白、本地化和电话工作，它是目前最可靠的免费起点。你最想先给哪一项内容配上声音？
