ElevenLabs 與語音克隆：配音、方案與同意規則怎麼看

ElevenLabs 把文字變成語音，也能複製一個人的聲音。這篇回答的是：它能做什麼、要花多少錢、克隆聲音要準備什麼、做出來的能不能拿去用。結論先說，免費方案不含語音克隆、不能商用，公開發布還要在標題加上標示；即時克隆要每月 6 美元的 Starter 起，專業克隆要每月 22 美元的 Creator 以上才有名額。

以下按官網、官方文件、定價頁與條款頁在 2026 年 9 月 14 日的內容整理：四類功能的能力與限制、credit 怎麼換算、兩種克隆各要錄多久、官方的驗證機制與使用政策，以及商用授權與標示條文。介面名稱以官網當天版本為準。

ElevenLabs 能做的四件事

第一件是文字轉語音：貼上文字、選一個聲音，輸出音檔。官方文件列出的模型裡，Eleven v3 支援 70 種以上語言、單次上限 5,000 個字元；Eleven Multilingual v2 支援 29 種語言、上限 10,000 個字元；Eleven Flash v2.5 支援 32 種語言、上限 40,000 個字元，官方標的延遲約 75 毫秒。

第二件是語音克隆，分成即時（Instant Voice Cloning）與專業（Professional Voice Cloning），下面單獨講。第三件是配音翻譯（Dubbing）：上傳影片或貼一段 YouTube、TikTok 的網址，官方說可翻成 90 種以上語言並保留原講者的聲音，單檔不得超過 2 GB 也不得超過 180 分鐘；預設的第二代自動配音沒有站內編輯逐字稿的選項，舊版 Dubbing Studio 官方標示為維護模式。

第四件是音效：用一段最長 450 個字元的提示詞生成音效，官方寫的長度上限是 30 秒，可以開啟循環拼出更長的環境音。另外還有語音轉文字、音樂與對話代理（Agent），上面這些功能官方都有對應的 API。

方案、credit 與克隆名額

ElevenLabs 的額度單位叫 credit，不同功能扣法不同。定價頁寫的是：文字轉語音 1 個字元扣 1 credit；語音轉文字每分鐘 330 credit；配音翻譯每分鐘 2,000 credit（自動、含浮水印）到 10,000 credit（Dubbing Studio、無浮水印）；音樂每分鐘 900 credit；音效每次生成 200 credit；變聲與人聲分離每分鐘 1,000 credit。

所以免費方案每月 10,000 credit，換算成文字轉語音大約一萬個字元，是一段幾分鐘旁白的量；同一份額度拿去配音翻譯，連五分鐘的影片都跑不完。官方說自助方案沒用完的 credit 最多累積兩個月份到下個月，降級或取消時不累積。專業克隆的名額另外算：Creator 與 Pro 各 1 組、Scale 3 組、Business 10 組。

中文支援只看官方語言清單

官網沒有一個通用的「支援語言數」，要分功能看。文件裡 Eleven v3 的語言清單寫的是 Mandarin Chinese，Multilingual v2 的 29 種與 Flash v2.5 的 32 種清單裡寫的是 Chinese；配音翻譯寫 90 種以上語言，對話代理寫 70 種以上語言，數字屬於各自的功能。

官方清單沒有把國語與粵語、繁體與簡體分開列，也沒有承諾台灣口音。要用在台灣受眾的內容，最實際的做法是拿真正要念的稿子試一段，聽數字、英文縮寫與人名的念法對不對。

克隆自己的聲音：兩種克隆的官方要求

即時克隆是上傳幾段錄音就馬上得到一個聲音，官方文件說沒有訓練過程。錄音官方建議大約 1 到 2 分鐘、乾淨、沒有殘響與背景雜訊，至少要錄 1 分鐘，超過 3 分鐘官方說幫助不大；檔案切成幾個不重要，重要的是總長度。存檔之前介面會要你確認你有權利、也取得同意克隆這個聲音。

專業克隆是拿你的錄音做微調，官方要求至少 30 分鐘的高品質音訊，建議盡量接近 2 到 3 小時，方案上要 Creator 以上才有名額。送出後官方寫微調通常需要 3 到 6 小時，排隊多時可能更久、最長到 24 小時。兩者差別不只是像不像，而是穩定度：素材越多，長篇旁白裡的語氣起伏越一致。

1. 找安靜的空間，用同一支麥克風、同一個距離錄完所有素材，中途不要換設備。
2. 念你真正會用到的內容：要做旁白就念旁白稿，要做客服就念對話。
3. 上傳前自己聽一遍，刪掉有回音、爆音、鍵盤聲或第二個人說話的片段。
4. 建立聲音時勾選同意聲明；專業克隆還要當場照提示錄一段驗證句。
5. 驗證通過才會開始微調，完成之前先不要排定發布時間。

我是（姓名），今天是（日期）。
我同意（使用者或公司名稱）使用我這次提供的錄音，
在語音服務上建立我的語音模型，用途為（例如：公司產品教學影片旁白）。
授權期間為（期間），期間內我可以書面通知終止授權並要求刪除模型與素材。

閱讀完整文字說明

由左至右四個步驟。第一步錄音：安靜空間、同一支麥克風，即時克隆建議 1 到 2 分鐘、至少 1 分鐘、超過 3 分鐘幫助不大，專業克隆至少 30 分鐘、建議 2 到 3 小時，上傳前先自己聽過。第二步克隆與驗證：勾選同意聲明，專業克隆要當場錄驗證句，官方以 voice-captcha 確認本人在場，失敗等 24 小時再試，微調通常 3 到 6 小時，方案要 Creator 以上才有名額。第三步生成：文字轉語音 1 個字元扣 1 credit，配音翻譯 90 種以上語言，音效最長 30 秒，最便宜的自動配音含浮水印、無浮水印的檔次較貴。第四步標示與同意：免費層不可商用，發布時標題要加 elevenlabs.io，即時克隆從每月 6 美元起，專業克隆從每月 22 美元起，付費訂閱期間以外做的內容不可商用。下方第一條橫幅寫同意規則：克隆別人的聲音要有同意或法律權利，使用政策禁止未經同意複製他人聲音、造成騷擾或傷害，也禁止讓人誤以為不是人工智慧生成，並禁止冒充政治候選人與民選官員。第二條橫幅寫標示與偵測：免費方案或未登入時發布要在標題加上 elevenlabs.io 或 11.ai，音樂功能要註明 Eleven Music；官方的偵測工具只估計是否由該公司模型生成，無法可靠辨識較新的模型，也偵測不到其他供應商。

克隆別人的聲音：使用政策與驗證機制

專業克隆的官方文件寫得很直接：只能建立你自己的聲音，即使對方同意也不行。要用別人的聲音只能走即時克隆，責任落在建立的人身上。禁止使用政策第 5 條寫的是，不得為了以下情形複製他人聲音：未經同意或沒有法律權利、對當事人造成騷擾或傷害（包含未經授權的性化內容）、或以讓他人誤以為這不是人工智慧生成的方式使用。第 6 條另外禁止冒充政治候選人與民選官員。

驗證機制官方文件稱為 voice-captcha：建立專業克隆時要當場照提示念幾句驗證句，確認提供樣本的人就在現場，而不是拿別人的錄音來上傳。文件也寫明這不能保證錄音真的屬於本人，只能確認請求者當下在場並實際參與。驗證失敗可以等 24 小時再試。安全頁另外寫到會封鎖名人與高風險聲音的克隆。

換句話說，平台擋得住隨手拿公開影片去複製名人，擋不住拿同事的語音訊息去做即時克隆。後者要靠你自己留紀錄：誰、何時、同意用在哪裡、怎麼撤回。

深偽（Deepfake）是什麼：分清合成痕跡、來源與事件真假

商用權與標示：免費層的兩個限制

條款（官網標示最後更新 2026 年 3 月 31 日）寫的是，在你與 ElevenLabs 之間你保有輸出內容的權利；但免費使用者只能用於非商業用途，付費使用者才能用於商業用途。官方說明頁另外寫，免費方案或未登入時產生的內容要公開發布，必須在標題裡加上 elevenlabs.io 或 11.ai；用音樂功能產生的要註明 Eleven Music。

還有一條容易被忽略：官方寫在付費訂閱期間以外（之前或之後）建立的內容不能商用，非商業分享時也一律要標示。先用免費方案做好一批旁白、之後再訂閱，不會讓那批舊檔案變成可商用。

深偽風險與可以查證的工具

語音克隆最現實的風險是聲音詐騙與假訊息。ElevenLabs 提供免費的 AI Speech Classifier，估計一段音訊是不是由它的模型生成，但官方寫明兩個限制：無法可靠辨識 Eleven v3 生成的音訊，也偵測不到其他供應商，而且分析只看檔案的前一分鐘。把偵測工具當成單一證據並不安全，該做的是先查來源。

台灣的相關規定與各平台的標示要求另有專篇，深偽本身的判讀方式也有一篇。要自己做語音內容，周邊流程可以一起理順：錄音的降噪、成品的逐字稿，以及做成有人像影片時的工具。

AI 內容標示：YouTube、Meta 與台灣的規定

Adobe Podcast 音訊處理：降噪前後應該檢查什麼

MacWhisper 與 WhisperDesktop 圖形介面逐字稿教學：不打指令的本機轉寫流程

AI 虛擬主播與數位分身：HeyGen 的方案、同意規則與標示怎麼看

同樣是聲音，用途不一樣工具就不一樣：想練口說或做即時口說翻譯，走的是對話式的語音模式；想要背景音樂或完整歌曲，走的是音樂生成，那邊的商用規則也自成一套。

ChatGPT 語音模式：練英文、口說翻譯與免手打的完整做法

Suno 做歌：從歌詞到成品，方案、下載與商用權怎麼算

• AI 工具
• 教學
• AI 圖片、影片與聲音