有声书制作可以用相同引擎，采用不同流程
本站 137 个声音中，67 个来自 ElevenLabs：高级档用 Turbo 2.5，表现力档用 v3，支持笑声、耳语及更丰富的情绪。其余 70 个是每字符费用更低的 Gemini Flash TTS。这次比较的是制作流程，不是争论哪家的声音更好。
整本制作时，两种工具分别做哪些工作
ElevenLabs 经常发布新功能，右栏仅介绍一般做法，细节请以其当前说明为准。
| AI Audiobooks | ElevenLabs | |
|---|---|---|
| 定位 | 围绕完整书籍的工作室 | 覆盖语音、克隆、译配与 API 的综合平台 |
| 声音 | 67 个 ElevenLabs 加 70 个 Gemini Flash TTS | 完整声音库，以及设计或克隆的声音 |
| 输入 | EPUB、DOCX、文字型 PDF、TXT、Markdown 或粘贴 | 因工具而异，核对当前导入选项 |
| 角色分配 | 从对白标记识别说话人并分配声音 | 在编辑器中指定，核对当前功能 |
| 章节 | 按 EPUB 目录或标题整理，前置页另放 | 因工具而异 |
| 演绎控制 | 句首方括号提示，表现力档支持句中音效标签 | 取决于模型支持的控制项与标签 |
| 导出 | 每章 MP3、ZIP，或含章节、信息、封面的 M4B | 核对当前导出格式 |
| 声音克隆 | 尚未提供，已在规划中 | 核心功能之一 |
| 费用 | 按模型及每 1,000 计费字符扣积分 | 核对当前套餐 |
这些需求，直接用 ElevenLabs 更合适
必须用自己的声音。 想克隆自己的声音，或根据提示设计新声音，ElevenLabs 有相应功能。本站克隆仍在规划中，还不能使用。
做软件而非成品书。 开发应用、游戏或语音助手时，它的 API 和开发工具更合适。本站用于制作成品音频，不是语音 API。
每周都要用其他语音工具。 译配、变声、音效都在一个账号中，如果这些是日常工作，一份订阅可能更方便。
需要声音库之外的语言。 ElevenLabs 标出的语言范围比本站 13 种更多，要核对所需语言是否覆盖。
从完整文件开始，有声书制作会省下什么
先识别角色，再集中检查。 AI 有声书生成器读取“said Ren”“Mara whispered”等英文对白标记，将引号外的文字交给旁白，最多十个具名角色各用一个声音，另设“其他声音”。中文对白需要手动指定。具体归属处理见多人有声书制作。
章节来自原文件。 EPUB 按目录，Word 按一级、二级标题，文本按“Chapter 3”这类英文标题分章；中文 TXT 的“第一章”暂不能识别，会按长度切段。封面、版权页和目录页单独整理，正文可从故事开始。
提示直接写在句子里。 句首 [whisper] 或 [like a weary detective] 调整读法。句中 [laugh]、[sigh] 在表现力档 v3、标准和经济档可用，高级档 Turbo 2.5 不支持。详见 AI 配音情绪标签。
输出直接带上书籍信息。 可以下载含章节名称、书名、作者和封面的 M4B，每章一个 MP3，或含章节索引的 ZIP。格式选择见 M4B 与 MP3。
有声书制作按哪档声音计费
约 55,000 个计费字符相当于一小时成品。每 1,000 计费字符扣积分，不因说话角色不同而改变。
| 档位 | 引擎 | 每 1,000 计费字符积分 | 每成品小时 |
|---|---|---|---|
| 经济 | Gemini Flash-Lite TTS | 6 | 最低，适合草稿和长篇非虚构 |
| 标准 | Gemini Flash TTS | 9 | 约 $9 至 $12 |
| 高级 | ElevenLabs Turbo 2.5 | 13 | 约 $13 至 $18 |
| 表现力 | ElevenLabs v3 | 34 | 约 $33 至 $46 |
ElevenLabs 独立出售自己的套餐，比较时需查当前价格。自己的书可用有声书成本计算器估算。
已有项目怎样转为整本制作
- 1
从原始文稿开始
导入 EPUB 或 DOCX，不是已经生成的音频。章节和说话人信息从文稿读取。
- 2
对应原来的声音
在高级声音列表里选相同或相近的旁白和角色，也可先用成本较低的标准档试听。
- 3
把表演要求写成提示
原来的语气备注改成句首方括号提示，只放在需要的句子上。
- 4
比较一章再做全书
和旧版一起听，再生成剩余章节，导出 M4B 或 MP3。
