HeyGen Voice 替代方案 基于 ElevenLabs v3 的 AI 文本转语音
粘贴脚本，点击生成，下载配音。本页使用的是 ElevenLabs v3，与 HeyGen Voice 是不同的模型。
- 20 个预制声音
- 每个脚本最多 10 个说话人
- 每次生成最多 10,000 字符
- 每 1,000 字符 40 积分
快速回答
HeyGen Voice 是什么？
HeyGen Voice 是 HeyGen 首个自研的文本转语音模型，于 2026 年 10 月 9 日发布，仅在 HeyGen 应用和 HeyGen API 中提供，没有独立版本或第三方授权。需要克隆自己的声音或制作 HeyGen 数字人视频时，它是 HeyGen 自家产品内置的选项。本页使用的是另一款模型 ElevenLabs v3，运行在 Z Image Turbo 语音工作台中。
| 它是什么 | HeyGen 首个自研文本转语音模型；已在 HeyGen 应用和 HeyGen API 上线（HeyGen 帖子，2026 年 10 月 9 日）。 |
|---|---|
| API 价格 | 每 100 万字符 30 美元；API 用户在 2026 年 10 月 31 日前自动享受五折，即每 100 万字符 15 美元（HeyGen 帖子）。 |
| Arena 成绩 | Artificial Analysis Controlled Voice TTS Arena：第 1 名，Elo 1,201，共 1,468 次出场，领先 Qwen-Audio-3.1-TTS-Plus（1,182）、Eleven v4 Turbo（1,166）和 Eleven v4（1,162）。该榜单用相同的 8 个克隆声音测试美式和英式英语。发音稳健性 83.1%（29 个模型中第 10）。生成速度为每秒 40 字符（AA 帖子）。 |
| 声音 | 即时克隆只需一段录音（使用前 3 分钟，通常数秒内就绪）；专业克隆需要 1–10 段录音、总计 20 分钟以上，且要购买克隆席位。HeyGen 目录中的 300+ 预制与设计声音通过 "Third Party Speech" 在同一引擎上运行（HeyGen 文档）。 |
| API 细节 | 完整 WAV（44.1 kHz 单声道）或流式音频；每次请求 1–5,000 字符；专业克隆支持 0.75–1.25 倍速和 ±4 半音音高调整；每个工作区成员每分钟 30 次请求（HeyGen 文档）。 |
来源：HeyGen 与 Artificial Analysis 的 X 帖子（2026 年 10 月 9 日）、HeyGen 开发者文档。核对日期：2026 年 10 月 10 日。
并排对比
HeyGen Voice 与 Z Image Turbo 上的 ElevenLabs v3
| 对比项 | HeyGen Voice | Z Image Turbo 上的 ElevenLabs v3 |
|---|---|---|
| 在哪里使用 | HeyGen 应用和 HeyGen API | Z Image Turbo 语音工作台 |
| 价格 | 每 100 万字符 30 美元；2026 年 10 月 31 日前为 15 美元 | 每 1,000 字符 40 积分，最低 1 积分 |
| 声音 | 你的克隆声音加 300+ 目录声音 | 20 个预制声音，14 男声 / 6 女声 |
| 声音克隆 | 支持，即时与专业克隆 | 不支持 |
| 单次文本量 | 1–5,000 字符 | 每次生成最多 10,000 字符，每行 5,000 字符 |
| 交付方式 | WAV 文件或实时流 | 生成后得到 MP3 文件 |
| 账户 | HeyGen 账户或 API key | Z Image Turbo 账户，与图像、视频工具共用积分 |
该选哪一个？
适合选 HeyGen Voice 的情况
- 你想克隆自己的声音，即时克隆或专业级克隆都可以。
- 音频用于 HeyGen 数字人视频或其他 HeyGen 工作流。
- 你需要通过 API 获得流式音频或 WAV 输出。
适合选本工具的情况
- 预制声音已经够用，你只想输入文字就能生成。
- 你要写多说话人对话，一个脚本最多 10 个声音。
- 你已经在用 Z Image Turbo，希望图像、视频和语音共用一套积分。
从脚本到音频
如何把文本生成语音
- 01
把脚本拆成行
每行是一位说话人的台词：最多 10 行，每行 5,000 字符，总计 10,000 字符。单个旁白只需要一行。
- 02
为每行选择声音和语言
给每一行分配 20 个预制声音之一。语言可保持 Auto detect，也可以从 18 种支持语言中锁定一种。
- 03
设置稳定性，然后生成
Stability（稳定性）滑块在后端会落到三档：偏低更有表现力、更富变化，中间为均衡，偏高最一致。生成后在浏览器中试听，下载 MP3。
大家在用它做什么
文本转语音的使用场景
视频配音
为用本站 AI 视频工具制作的产品短片起草旁白。
浏览 AI 视频工具播客与采访草稿
把双人对话写成单独的行，配上 Brian 和 Sarah 这样的声音，在录制前先听听节奏。
在线课程旁白
用英语、西班牙语、日语或其余 18 种支持语言朗读课程脚本，再把音频放进课程里。
短社交广告口播
生成 15 秒和 30 秒的广告配音，在同一脚本上比较两种声音，留下合适的版本。
生成前须知
限制说明
- 不支持声音克隆。20 个预制声音就是完整目录；要克隆自己的声音，请使用 HeyGen Voice 的克隆功能。
- 单次生成最多 10,000 字符，每行 5,000 字符。
- 生成需要登录，积分按次扣除。
- 输出为 MP3 文件，本站不提供流式接口。
HeyGen Voice 多少钱？
通过 HeyGen API 的价格是每 100 万字符 30 美元，2026 年 10 月 31 日前自动五折（每 100 万字符 15 美元）。HeyGen 应用内定价随你的 HeyGen 套餐而定。本页的 ElevenLabs v3 则是每 1,000 字符 40 积分。
能在 HeyGen 之外使用 HeyGen Voice 吗？
截至 2026 年 10 月 10 日，HeyGen Voice 仅在 HeyGen 应用和 HeyGen API 中提供。最新可用范围请以 HeyGen 官方文档为准。
HeyGen Voice 比 ElevenLabs 更好吗？
在 Artificial Analysis 于 2026 年 10 月 9 日发布的 Controlled Voice TTS Arena 中，HeyGen Voice 以 Elo 1,201 排名第一，领先 Eleven v4 Turbo（1,166）和 Eleven v4（1,162）。本页使用的 ElevenLabs v3 未参加该对比，因此这一结果不涵盖它。
能在本页克隆自己的声音吗？
不能。本工作台只有 20 个预制声音，没有克隆功能。要用自己的声音，HeyGen Voice 有即时克隆和需要购买席位的专业克隆。
在这里生成一段配音要多少积分？
每 1,000 字符 40 积分，单次最低 1 积分。一段 2,500 字符的脚本是 100 积分，一条 500 字符的短句是 20 积分。
支持哪些语言？
自动检测加 18 种语言：英语、中文（普通话）、日语、韩语、德语、法语、西班牙语、葡萄牙语、俄语、土耳其语、阿拉伯语、印地语、意大利语、荷兰语、波兰语、瑞典语、泰语和越南语。
使用这个工具需要登录吗？
你可以先打开工作台写脚本。生成音频需要 Z Image Turbo 账户，积分按次扣除。
Z Image Turbo 语音工作台
把脚本变成语音。
打开语音工作台，粘贴台词，挑选声音，在浏览器里听效果。