文字转语音

1. 01

   粘贴文本 - AI 语音生成器

   每次请求最多 5,000 个字符，约 800 个口语词，或约五分钟音频。文本更长？按场景或段落分段运行。

2. 02

   用预览试听声音 - AI 语音生成器

   先在三四个候选中点击预览，再决定生成。预览使用你输入的第一句话，所以听到的是你的文字，而不是现成演示。

3. 03

   以 1.0× 生成 - AI 语音生成器

   标准速度带来最自然的韵律。只有当你需要更快的节奏（如 Shorts、TikTok、广告）时，才调到 1.1–1.2×。

4. 04

   下载 WAV - AI 语音生成器

   24 kHz 无损 WAV，无水印，可商用。直接拖入视频编辑器、DAW 或课程工具。

Want to hear them? Browse all 54 voices →

• 01

  按内容类型选音，而不是按你“喜欢”的声音

  软件教程里用亲切旁白，显得居高临下；生活 vlog 里用中性解说，又显得冷。先让音色匹配内容：Liam 适合教程、Sarah 适合讲解、Sky 适合短内容、River 适合长叙事，再在同一类里细调。

• 02

  快速试听：用预览，别急着生成

  预览几秒就能把你输入的第一句话用任何声音放出来。四个候选挨个听一遍，消费一次“生成”前先选出来。这是整个流程里最省时间的操作。

• 03

  用逗号、句号和换行做呼吸节奏

  Kokoro 篇章里的标点就是韵律。逗号是短停，句号更长，换行最透。句子读平了，就拆开；转折太赶，加省略号。最便宜的节奏工具，用户不用多花钱。

• 04

  中途切换音色，打破单调

  单独旁白念太久会乏力。长视频和播客，用两个声音轮替：主线用 Sarah、River，科普、引用或补充提示用 Adam、Daniel。把分段的内容生成，再在编辑器里拼起来。

• 05

  专有名词和缩写：用发音拼写

  缩写可以加点隔开（N.A.S.A.），或者把字母完整唸出。专有名词按发音音标标注，例如“Linus”写成“Lie-nus”，“Kokoro”写成“co-co-roh”，“Anthropic”写成“an-throp-ic”。先用这个小片段试生成，哪个引擎自然再用它，再把修正后的拼法填回原文。

• 06

  保持 1.0×，除非形式要求加快

  自然语速产生的韵律是最像人声的。短内容（TikTok、Shorts、Reels）才用到 1.1–1.2 倍节奏。教程、旁白、有声书、讲述类，1.0× 反而更有存在感，因为模型本来就是拿自然语调训练的。

对比基于定性判断，竞品免费版数据会随时间变化。基准测试前请查看 ElevenLabs 当前限制。