ElevenLabs 是什麼？中文配音、Voice Cloning、商用與方案指南

生成前先整理文字

• 數字、日期、幣別改寫成你希望它念出的形式。
• 英文品牌、縮寫、人名與地名分開試念。
• 用逗號、句號與短段落安排換氣；不要把一大段全貼上去。
• 移除 emoji、罕見符號與不必要的括號指示。
• 重要專有名詞建立發音字典或用讀音替代。

比較聲音時固定四件事

1. 同一段測試稿。
2. 同一個模型。
3. 同一組速度與聲音設定。
4. 同一輸出格式。

只更換 voice，才知道差異來自聲音本身，而不是設定變動。

先依任務選模型，不要只追最新

• Eleven v3：需要戲劇性、情緒或多人對話時再選，輸出變化也會更明顯。
• Multilingual v2：長篇旁白優先測試，官方定位是較穩定、適合長內容。
• Flash v2.5：大量草稿、即時播放或成本敏感的情境，速度與字元成本更有利。

官方建議的影響順序是：Voice 選擇 ＞ Model ＞ Settings。聲音本身不合適時，調半天滑桿也很難救回來。

把腳本拆成可重做的小單位

1. 每段控制在一到三句，依畫面切點與換氣分段。
2. 先把日期、金額、百分比和縮寫改寫成實際念法。
3. 品牌名、人名和專有名詞先做發音字典或替代拼法。
4. 鎖定 voice、model、speed 與主要設定，再開始全篇生成。
5. 只重生有問題的段落，不要因一個錯字重做整章。

設定從保守基準開始

• 先以 Stability 約 50、Similarity 約 75、Style 0 作為官方常見起點。
• 語速先維持 1.0；中文資訊密集時再小幅放慢。
• 不要一次大幅調整多個滑桿；每輪只改一項並保留版本。
• 相同設定仍可能得到不同表演，驗收要靠實際試聽，不是只看數值。

輸出前四項驗收

• 內容：數字、專有名詞、網址和人名全部正確。
• 聲音：前後段落音色、速度和音量沒有突然改變。
• 剪輯：句尾沒有被截斷，停頓能對上畫面。
• 交付：長專案保留章節檔與完整檔，必要時開啟音量正規化。