深度介绍
官网把它称为「让技术活起来」的 AI 音频平台，产品分为三条线：ElevenCreative 面向内容创作，用来生成语音、视频、音乐与音效；ElevenAgents 面向对话智能体，负责配置、部署与监控；ElevenAPI 面向开发者，提供接口与 SDK。官网给出的规模口径是超过 100 万用户、语音库里有 11,000 种以上音色，并列出多家企业与它合作的公开信息。对使用者来说，这三条线的关系值得先理清：创作工具与接口共用同一套音频模型，选哪条取决于工作流而不是能力差异。
官方文档把合成模型分得很清楚。Eleven v3 是最强调情感与表现力的一代，支持 70 多种语言、单次 5,000 字符，并能做多说话人自然对话；Eleven v3 Conversational 面向实时场景，延迟约 280 毫秒，可用音频标签做细粒度控制；Multilingual v2 主打自然稳定的长文本输出，覆盖 29 种语言、单次 10,000 字符，官方称它在长篇生成上最稳定；Flash v2.5 是快速低价档，延迟约 75 毫秒、覆盖 32 种语言，单次上限 40,000 字符，官方称其接口单价低约一半。选型时按「表现力、延迟、单价、语言数」四项排序即可。
音色来源有三条路：即时语音克隆（Starter 档起提供）用于快速复刻一段声音；专业语音克隆（Creator 档起）面向需要更高保真的场景；语音设计（官方模型 ID 为 eleven_ttv_v3）则直接用文本描述生成音色，不依赖原始录音。此外还有语音库可直接挑选现成音色，官方称总数超过 11,000 种，并提供按语种与使用场景筛选的入口。需要提醒的是：声音克隆涉及他人声音的授权与当地法律，商用前应确认素材权利与平台对克隆的验证要求。
识别侧当前主力是 Scribe v2，官方列出的能力包括 90 多种语言的准确转写、最多 1,000 个关键词提示、65 类实体识别、词级时间戳、最多 32 位说话人的分离、动态音频标签与自动语种检测；实时版本 Scribe v2 Realtime 的延迟约 150 毫秒，另有面向临床音频微调的 Scribe v2 Medical，官方称其在临床语音上的转写错误比通用版少 18%，而在日常语音上精度相同。做会议纪要、访谈整理或字幕生成的团队可以直接对照这几项需求选版本。
除人声外，平台还有一套音频生产工具：Eleven Music v2.5 是当前的音乐模型，官方称在音质与提示词遵循上更进一步，延续了编曲方案、音频参考与局部重绘的工作流；更早的 Music v2 支持用自然语言描述风格、结构与是否带人声，并可按段落修改声音与歌词。另有音效生成、人声隔离、变声与声音重混等工具，以及用于对齐歌词与音频的强制对齐功能。对做视频与播客的团队，这些工具的价值是把配乐与后期从外部软件搬回同一条流水线。
ElevenAgents 面向的是另一类需求——让语音不只是播放，而是能对话：官方文档覆盖智能体的配置、部署与监控，并提供实时语音模型与并发、优先级相关的说明（接口每分钟请求数与并发连接数是两个概念，文档专门解释了这一点）。定价页显示 Business 档提供低延迟语音合成、官方给出的口径是每分钟最低约 5 美分，并随档位放宽并发上限。搭建电话客服或语音助手的团队应重点评估并发上限与延迟，而不是只看单次合成的音质。
ElevenCreative 一侧的工具围绕内容生产组织：Studio 是一个建立在自家音频模型之上的编辑器，用来制作播客、有声书与旁白；Project 用于管理多章节的长内容；自动配音与 Dubbing Studio 面向视频本地化，官方另有 Productions 提供全托管的配音服务；此外还有图像与视频生成以及面向广告投放的 Ads Engine。官网文本转语音页显示支持的语言列表很长，从英语、中文、日语到印地语、阿拉伯语等，配音与字幕本地化是它最直接的使用场景。
定价页当前列出六档：Free 为 0 美元、含每月额度与 Studio 项目数，但不含商业许可；Starter 每月 6 美元起，含商业许可与即时语音克隆；Creator 每月 22 美元，增加专业语音克隆与更多额度；Pro 每月 99 美元，增加 44.1 kHz PCM 输出与更高音质；Scale 每月 299 美元，增加协作席位；Business 每月 990 美元，增加低延迟合成与更多专业克隆；企业版按需报价，包含数据处理协议、可用性承诺、HIPAA 相关协议、单点登录与更高并发。官方另有创业扶持计划，提供 12 个月免费期与 3,300 万字符额度。
产品特点
同一套账号与接口覆盖文本转语音、语音克隆、语音识别、音乐与音效生成、配音本地化以及对话智能体，创作工具与开发者接口共用底层模型，减少在多个供应商之间拼接音频链路。
Eleven v3 强调情感表现与多说话人对话，v3 Conversational 面向约 280 毫秒延迟的实时场景，Multilingual v2 主打长篇稳定，Flash v2.5 以约 75 毫秒延迟与更低单价覆盖高频调用。
Scribe v2 支持 90 多种语言、最多 1,000 个关键词提示、65 类实体识别、词级时间戳与最多 32 位说话人分离，并提供约 150 毫秒延迟的实时版本与面向临床音频微调的医学版本。
创作侧有 Studio、配音与 Productions 全托管服务，对话侧有可配置部署并监控的智能体，企业档提供数据协议、HIPAA 相关条款、单点登录与更高并发上限。
最近动态
官方文档当前列出的合成模型为：Eleven v3（70 多种语言、5,000 字符、支持多说话人对话）、Eleven v3 Conversational（约 280 毫秒延迟、支持音频标签）、Multilingual v2（29 种语言、10,000 字符、长篇最稳定）与 Flash v2.5（约 75 毫秒延迟、32 种语言、40,000 字符、单价低约一半）。
文档列出 Scribe v2、Scribe v2 Realtime 与 Scribe v2 Medical 三个版本：均支持 90 多种语言与实体识别，实时版延迟约 150 毫秒，医学版在临床音频上的错误率比通用版低 18%；识别模型同时提供关键词提示与说话人分离能力。
定价页当前为 Free、Starter（6 美元／月）、Creator（22 美元／月）、Pro（99 美元／月）、Scale（299 美元／月）、Business（990 美元／月）六档，企业版按需报价；商业许可自 Starter 档开始提供，创业扶持计划提供 12 个月免费与 3,300 万字符额度。
官方文档现按 ElevenCreative、ElevenAgents、ElevenAPI 三条线组织，涵盖文本转语音、语音转文字、音乐、文本转对话、图像与视频、变声、人声隔离、配音、音效、语音库、语音重混、强制对齐、语音引擎与私有部署等板块，并单独说明并发与优先级。
ElevenLabs 是一个 AI 音频平台，官方把它描述为「让技术活起来」，产品分为三条线：ElevenCreative 面向内容创作，ElevenAgents 面向对话智能体，ElevenAPI 面向开发者。官网给出的规模口径是超过 100 万用户、语音库中有 11,000 种以上音色，并列出多家企业合作的公开信息。 语音合成分四个模型：Eleven v3 强调情感表现力，支持 70 多种语言、单次 5,000 字符与多说话人自然对话；Eleven v3 Conversational 面向实时场景，延迟约 280 毫秒并支持音频标签控制；Multilingual v2 主打自然稳定的长文本输出，覆盖 29 种语言、单次 10,000 字符；Flash v2.5 是快速低价档，延迟约 75 毫秒、覆盖 32 种语言、单次上限 40,000 字符，官方称接口单价低约一半。音色来源包括即时克隆、专业克隆、用文本描述生成的语音设计以及超过 11,000 种现成音色的语音库。 识别侧当前主力是 Scribe v2，支持 90 多种语言转写、最多 1,000 个关键词提示、65 类实体识别、词级时间戳与最多 32 位说话人分离，并提供延迟约 150 毫秒的实时版本与在临床音频上错误率低 18% 的医学版本。音频生产工具覆盖音乐生成（当前为 Eleven Music v2.5，支持编曲方案、音频参考与局部重绘）、音效、人声隔离、变声、声音重混与强制对齐。面向对话场景的 ElevenAgents 提供配置、部署与监控，企业档包含低延迟合成、单点登录、数据处理协议与 HIPAA 相关条款；创作侧另有 Studio 编辑器、自动配音、Dubbing Studio 与全托管的 Productions 配音服务。 价格方面，免费档 0 美元但不含商业许可，Starter 起每月 6 美元并提供商业许可与即时语音克隆，往上依次为 Creator 22 美元、Pro 99 美元、Scale 299 美元与 Business 990 美元，企业版按需报价；官方另有创业扶持计划提供 12 个月免费与 3,300 万字符额度。使用前需注意两点：语音克隆涉及他人声音的授权与当地法律，商用前应确认素材权利与平台的克隆验证要求；模型延迟与单价数字来自官方文档，实际表现受网络、并发与文本长度影响，正式接入前建议用自有素材做几组对照测试。
核验信息
本页事实来自 ElevenLabs 官方渠道：官网首页（三条产品线、语音库与语言覆盖、用户与企业合作的公开口径）、官方文档的模型总览（各合成模型的定位、语言数、字符上限与延迟口径，以及 Scribe v2 系列的识别能力与模型 ID）、对话智能体文档（配置、部署、并发与优先级说明）、文本转语音产品页（语言列表与音色挑选）、定价页（六档方案、商业许可与创业扶持计划），以及官方 Python SDK 仓库。方案与模型口径核验于 2026 年 9 月 22 日，请以官方当期说明为准。
ElevenLabs介绍页面对您是否有帮助？
ElevenLabs