ElevenLabs（elevenlabs.io）是一家 AI 語音研究與產品公司的官方平台，2023 年 1 月以公開測試版上線。它要解決的核心問題是「讓機器開口說出接近真人的話」：輸入文字即可生成帶有情緒、語調與停頓感的語音，並把同一套能力延伸到聲音複製、跨語言配音、語音轉錄、音效與音樂生成，以及可接聽電話的對話式語音代理。與同類語音工具相比，它可查證的差異在於：自研旗艦模型 Eleven v3 涵蓋 70 多種語言，並支援以 [whispers]、[sighs] 這類音訊標籤直接控制語氣與非語言反應（官方發布說明）；公司也將產品線明確劃分為面向創作者的 ElevenCreative、面向企業的 ElevenAgents，以及面向開發者的 ElevenAPI 三大平台（About 頁）。截至 2026-09-16，免費方案每月提供 10,000 點數，註冊即可使用。

ElevenLabs 首頁：主標語「Bringing technology to life」，下方是 ElevenCreative、ElevenAgents、ElevenAPI 三平台入口與聲音分類

站點速覽

  • 網址：https://elevenlabs.io
  • 類型：AI 語音合成與音訊創作平台（網頁應用 + API）
  • 費用：免費方案 0 美元；付費方案 Starter 每月 6 美元、Creator 每月 22 美元、Pro 每月 99 美元，團隊方案 Scale 每月 299 美元起，Enterprise 另議（截至 2026-09-16 的官方定價頁）
  • 註冊要求：瀏覽官網、文件與定價頁無需註冊；生成內容與呼叫 API 需要帳號（支援 Google 帳號登入）。官方條款也約束「未登入生成」的內容——公開發布時同樣必須署名（官方說明）
  • 介面語言：英文（截至 2026-09-16，網站與文件皆無官方中文介面；生成的語音本身支援中文等 70 多種語言）
  • 行動裝置：另有 iOS/Android 聽讀應用 ElevenReader，可朗讀文章、PDF 與 ePub（2024 年 6 月發布，見 Wikipedia 條目）

站點背景

ElevenLabs 於 2022 年由一對波蘭中學好友創立：執行長 Mati Staniszewski（先前任職 Palantir）與技術長 Piotr Dąbkowski（先前任職 Google）。官方 Press 頁提到，兩人年少時常吐槽美國電影在波蘭播放時的「粗糙配音」，多年後決定打造一個能消除內容語言障礙的平台；公司名稱中的 "Eleven" 指的是 11 月 11 日波蘭獨立日（Wikipedia 條目）。公司總部設於倫敦與紐約。

融資與規模的主要節點：

  • 2023 年 1 月：公開測試版上線，同年上半年註冊使用者即突破 100 萬（Wikipedia 條目）。
  • 2024 年 1 月：B 輪融資 8,000 萬美元，估值 11 億美元（Wikipedia 條目）。
  • 2025 年 1 月：C 輪融資 1.8 億美元，估值 33 億美元（同上）。
  • 2026 年 2 月 4 日：D 輪融資 5 億美元，估值 110 億美元，由 Sequoia Capital 領投（Andrew Reed 加入董事會），累計融資 7.81 億美元；官方同時披露 2025 年結束時年度經常性收入（ARR）超過 3.3 億美元。

客戶方面，官方稱 Deutsche Telekom、Square、烏克蘭政府、Revolut 等機構使用其語音代理；Duolingo、NVIDIA、TIME 使用其創意平台；Meta、Epic Games、Salesforce 等公司則透過其 API 觸及超過 10 億使用者（D 輪公告）。

語音合成：從文字到有情緒的聲音

模型與語言

官方模型文件（截至 2026-09-16）將語音合成模型分為幾個層級：

  • Eleven v3：旗艦模型，支援 70 多種語言，可生成多人對話，並支援音訊標籤（在文字中插入 [whispers]、[laughs] 等控制語氣與反應），單次請求上限 5,000 字元（約 5 分鐘音訊）。官方發布說明也提醒：它比舊模型更依賴提示詞技巧、延遲較高，不適合即時對話場景。
  • Eleven v3 Conversational：面向即時對話的 v3 變體，官方標示延遲約 280 毫秒。
  • Multilingual v2：支援 29 種語言，品質穩定，適合旁白與長篇內容。
  • Flash v2.5：支援 32 種語言，延遲約 75 毫秒，面向即時應用與大規模批次生成，API 單價較低。

ElevenLabs 的 Text to Speech 頁面：左側依旁白、角色、對話等用途篩選，右側為可選聲音列表

聲音庫、複製與聲音設計

不想複製聲音的使用者可以直接從聲音庫挑選：官方文件稱庫中已有超過 10,000 個聲音（官網 Text to Speech 頁面於 2026-09-16 標示為 11,000+）。取得「專屬聲音」的途徑有三種：

  • Instant Voice Cloning（Starter 方案起）：上傳簡短的音訊樣本即可複製；
  • Professional Voice Cloning（Creator 方案起）：以更多素材訓練高保真聲音，官方要求通過技術驗證後才開放使用（安全頁）；
  • Voice Design：直接用文字描述「設計」一個不存在的聲音。

Voice Library 頁面：可依場景瀏覽庫中聲音，頁面標示「10,000+ studio quality voices」

配音、轉錄與工作室工具

  • AI 配音（Dubbing）：2023 年 10 月發布，可將影音內容翻譯成其他語言，並盡量保留原說話者的音色與情緒，發布時支援 20 多種語言（Wikipedia 條目）；Starter 方案起另提供可逐句校對的 Dubbing Studio。
  • 語音轉錄（Scribe）：2025 年 2 月發布的首個轉錄模型，官方稱支援 99 種語言，具備字級時間戳、說話者分離與笑聲等音訊事件標記，並宣稱在 FLEURS、Common Voice 基準上字錯率低於 Gemini 2.0 Flash、Whisper Large V3 等模型（官方說法，見 Scribe 發布部落格）。目前的 Scribe v2 系列涵蓋 90 多種語言，即時版延遲約 150 毫秒，另有符合 HIPAA 要求的醫療版（模型文件）。
  • 其他音訊工具：Voice Changer（變聲）、Sound Effects（文字生成音效）、Voice Isolator（人聲分離降噪）。
  • Studio：面向有聲書等長音訊的專案編輯器，免費方案可建 3 個專案，Starter 方案 20 個（定價頁）。

音樂與其他生成能力

2025 年 8 月上線的 Eleven Music 以自然語言生成「錄音室等級」音樂，可控制流派、結構與人聲，官方稱與唱片公司、發行商及藝人合作開發，可在影視、播客、廣告、遊戲等場景商用（Wikipedia 條目、模型文件）。2026 年 9 月 10 日，ElevenLabs 宣布與環球音樂集團（UMG）達成多年授權與策略合作——這是其與大型唱片公司的首個協議，將基於授權曲庫推出面向粉絲的 AI 音樂創作平台（官方公告）。此外，About 頁與定價頁顯示 ElevenCreative 已擴展到圖像與影片生成，平台定位正從「語音」擴大為更寬的視聽創作。

對話代理與開發者介面

ElevenAgents 面向企業部署語音與聊天代理（客服、銷售、內部培訓等），提供視覺化編排，2026 年 2 月加入基於 v3 的 Expressive Mode，回應更快、語氣更自然（Wikipedia 條目）；另有面向中小企業的 AI 電話前台 Reception AI（官方文件）。ElevenAPI 將上述能力以 REST 介面開放，提供官方 Python 與 TypeScript SDK、WebSocket 串流介面，以及 2026 年 8 月推出的命令列工具；併發上限依訂閱方案劃分（模型文件）。

帳號、額度與商用授權

平台統一以「點數（credits）」計量：文字轉語音 1 字元 = 1 點，其他產品依處理音訊的秒數計費；額度每月重置，未用完最多遞延兩個月（官方文件）。截至 2026-09-16 的定價頁：

方案 價格（月付） 每月點數 主要差異
Free 0 美元 10,000 語音合成、轉錄、音效、音樂等基礎能力；3 個 Studio 專案；無商用授權
Starter 6 美元 30,000 商用授權、即時聲音複製、Dubbing Studio、20 個 Studio 專案
Creator 22 美元（首月半價 11 美元） 121,000 專業聲音複製
Pro 99 美元 600,000 API 輸出 44.1kHz PCM、192kbps 音質
Scale / Business 299 / 990 美元 180 萬 / 600 萬 3 / 10 個團隊席位、更多專業聲音複製數
Enterprise 另議 另議 DPA/SLA、HIPAA BAA、自訂 SSO、更高併發

ElevenLabs 定價頁：Free、Starter、Creator、Pro 四個自助方案及各自額度

授權規則需要特別留意（官方說明）：免費方案或未登入生成的內容不得商用，公開發布時必須在標題署名 "elevenlabs.io" 或 "11.ai"（音樂內容標註 "Eleven Music"）；所有付費方案皆附商用授權，訂閱期間生成的內容可長期商用；測試中的 Beta 功能產出不得用於商用或生產環境。新創公司另有 Startup Grants 計畫：入選後 12 個月免費，含 3,300 萬字元額度。

安全機制與內容政策

聲音複製的濫用風險是這類平台無法迴避的問題。官方安全頁描述了四層機制：預防（模型發布前紅隊測試、註冊審核、封鎖名人等高風險聲音的複製、專業複製需技術驗證）、偵測（AI 分類器與人工審核並行，並設公開檢舉管道）、處置（封禁違規帳號、涉嫌違法的移交執法機關）、知情（為生成內容附加 C2PA 來源標識，並公開 AI Speech Classifier 供任何人檢測音訊是否出自 ElevenLabs）。

官方同時坦承「沒有安全系統是完美的」：2023 年初上線數週內，即出現使用者以其工具偽造名人言論的事件；2024 年美國新罕布什爾州初選期間的「拜登語音」自動電話，也被音訊專家指認使用了其工具生成（Wikipedia 條目）。

適用場景

  • 影片、播客、有聲書的旁白與角色配音，特別是需要多語言版本的團隊；
  • 需要將內容快速本地化成數十種語言的創作者與媒體（配音與轉錄一次完成）；
  • 遊戲與互動內容的角色語音、即時語音對話（Flash v2.5 / v3 Conversational 低延遲模型）；
  • 開發者將語音合成、轉錄與代理能力嵌入自有產品（API / SDK / CLI）；
  • 無障礙場景：官方 Impact 計畫向有無障礙需求的個人與公益機構提供免費授權，並於 2026 年 3 月承諾投入價值 10 億美元，為 100 萬永久失聲者重建聲音（Wikipedia 條目）。

局限

  • 免費方案不能商用：這是最容易誤踩的規則——免費方案或未登入生成的內容發布時必須署名且不得商用；要商用至少需每月 6 美元的 Starter 方案。
  • 介面僅英文：截至 2026-09-16，網頁與文件皆無官方中文介面，上手需要一定的英文閱讀能力（生成的語音支援中文）。
  • 額度計費需要適應：點數按月重置、最多遞延兩個月；不同模型與產品的消耗速率不同，長內容需依單次請求上限拆分（v3 為 5,000 字元），重度使用會快速推高方案成本。
  • v3 更「難駕馭」：官方發布說明提示其需要更多提示詞調試且延遲較高；即時場景應改用 Flash v2.5 或 v3 Conversational。
  • 閉源 SaaS：模型不開放權重，只能透過網頁與 API 使用，品質、可用性與成本都綁定單一供應商。
  • 濫用與合規爭議：聲音複製天然伴隨偽造風險，平台過去多次捲入深度偽造事件；將他人聲音複製用於商用前，需自行確認授權鏈是否完整。

同類參考

與本目錄已收錄的 Suno 側重「生成完整歌曲」不同，ElevenLabs 的主線是語音，音樂只是其創意平台的一部分。傳統雲端廠商的 TTS 服務（Amazon Polly、Google Cloud Text-to-Speech、Azure 語音合成）定位更接近基礎設施；語音生成領域內還有 PlayHT、Murf、Speechify 等產品，各自側重不同場景。

參考資料