YouTube 影片的旁白
十分鐘影片的稿子，一口氣唸完。MiniMax 撐得住長度而不累耳朵；ElevenLabs 更生動，但十分鐘更貴。不露臉的 YouTube 影片流程接著處理畫面。
AI 旁白：同一段文字，三個引擎來唸
同一段稿子由 ElevenLabs v3、MiniMax Speech 2.8 HD 和 OpenAI TTS HD 三個語音合成引擎唸出來，用耳朵挑你的旁白。不用註冊帳號就能看到完整流程。
互動示範
真實工作流，真實成果。可自由拖曳與縮放。
使用這個工作流真實流程：一個文字節點放著稿子，三個旁白節點各用自己的引擎唸，你來聽。
重點摘要
- 這個工作流會產出什麼
- 3 段旁白
- 畫布結構
- 5 個節點，以 3 條連線相接
- 已接好的模型
- ElevenLabs v3, MiniMax Speech 2.8 HD, OpenAI TTS HD
- 跑完一輪的費用
- 約 17 點數，即 US$0.20
影片的旁白、教學的朗讀、Podcast 的敘述：問題從來不是「能不能生成聲音」，而是「哪一個」。這個流程用耳朵回答。稿子放在文字節點裡，靠接線送到三個旁白節點，各是不同引擎：改一句、重跑，三個都重唸。
這三個不是隨便挑的。ElevenLabs v3 最有表情，會演出逗號和句號，也最貴。MiniMax Speech 2.8 HD 最自然，某些專有名詞帶一點口音。OpenAI TTS HD 是節點的預設引擎，平穩，價格一半。每個節點都有自己的聲音、語速，ElevenLabs 還有表演標籤。
示範的稿子約十五秒，有逗號、列舉和一個難唸的詞，足夠聽出各自的韻律。三次朗讀要二十美分；節點能用網站的十四種語言唸文字。
操作步驟
- 1
在文字節點寫稿
細心的標點做了一半的工：引擎在逗號換氣，在句號降調。要精確唸出的數字用文字寫。
- 2
跑三次朗讀
「全部生成」一次跑三個節點。每個節點在點擊前就顯示依文字長度算出的價錢。
- 3
聽同一段
在最難的那句比，有專有名詞或列舉的那句。引擎在那裡分高下，不在第一句。
- 4
換聲音，別換引擎
每個引擎有好幾種聲音，一個不合適的聲音不代表引擎不行。換引擎前先在同一節點試兩三種。
變化版本與使用情境
同一塊畫布，針對不同需求微調：每個變化版本只要改兩三行提示詞。
二十秒的廣告
每個字都算數的二十秒：這是 ElevenLabs v3 的地盤，文字裡可以放表演標籤，一聲笑、一口氣、一句耳語。電影感廣告流程展示聲音壓在畫面上的樣子。
學習用的朗讀
一堂課、一篇文章、邊走邊聽的一章。預設引擎就夠，也最便宜：聽一小時的話，平穩是優點。
多種語言用同一個聲音
中文、西班牙文、日文的教學用同一個聲音：ElevenLabs 和 MiniMax 跨語言保持音色。節點讀文字的語言，只要翻譯稿子。
兩個聲音的對話
兩個互相回應的角色：旁白節點在 ElevenLabs 上提供對話模式，一句台詞一個聲音。會說話的虛擬人流程更進一步，有一張會說話的臉。
答錄機或導覽的聲音
歡迎詞、店內廣播、博物館語音導覽：短文字，唸幾百次。每次朗讀的價錢決定一切，預設引擎勝出。
常見錯誤
用第一句判斷
所有引擎唸簡單句都不錯。差別出在專有名詞、數字、列舉和長句。示範稿子每樣各放一個，就是這個原因。
為眼睛寫，不為耳朵寫
寫來看的文字唸出來很糟：句子太長、括號、縮寫。交給引擎之前自己唸一遍，把句子切成兩半。
數字留成數字
「2024 年 1,500 元」依引擎有三種唸法。寫成「二零二四年一千五百元」，三個都唸一樣。
還沒換聲音就換引擎
每個引擎有很多聲音。太低沉或太快的聲音不是引擎的問題，是設定：下結論前試兩種聲音和語速。
推薦模型
ElevenLabs v3
MiniMax Speech 2.8 HD
OpenAI TTS HD
Fish Audio S2.1 Pro
Qwen3-TTS常見問題
三個該選哪個？
要演的文字、廣告、小說、任何需要意圖的，ElevenLabs v3。自然而長的敘述、紀錄片或教學，MiniMax。走量的，OpenAI：幾十段平穩的朗讀，低價。
可以用我自己的聲音嗎？
這個流程不行，它比較的是引擎的聲音。旁白節點在某些引擎上接受參考聲音；那是另一頁，也是另一個問題，同意的問題。
支援哪些語言？
ElevenLabs 和 MiniMax 支援網站的十四種語言，包括日文、阿拉伯文和希伯來文。OpenAI 也能唸大部分，英文以外口音較重。節點會選文字的語言。
一段旁白多少錢？
示範稿子兩百三十個字元，ElevenLabs 七點數、MiniMax 七點、OpenAI 三點，三個共十七點。價錢跟文字長度走，點擊前顯示在每個節點上。
文字最長多少？
每個節點數千字元，確切上限依引擎而定並顯示在節點裡。長文字按段落切，一段一個節點，也方便只重跑改過的那段。
可以調情緒或語速嗎？
語速三個都能調。情緒在 MiniMax 用節點設定，在 ElevenLabs v3 用寫在文字裡的方括號標籤。OpenAI 照字面唸。
在手機上做得到嗎？
做得到。畫布在手機上可用，文字直接寫在節點裡。在手機上創作這篇指南解釋用手指操作畫布的方式。
檔案可以自由使用嗎？
可以，生成的聲音是你的，公開影片或商業用途都行。引擎的聲音是有授權的合成聲音，不是真人。