AI语音克隆工具怎么选，先看你是谁、要拿它干什么，再看价格和音质。四款的差别在门槛、价格、语言和延迟上。
先按需求分四类人
要做有声书、播客的人，音质排第一，预算可以放宽。要批量生成短语音、预算卡得紧的人，单价和免费额度比音质重要。主做中文内容、还要跨语言出声的人，中文表现和跨语言能力是硬指标。要做实时语音助手、边说边回的人，延迟比音质更致命。只想偶尔玩一次的人，四款的付费套餐都不划算，替代办法在下面。
四款工具对照，适合谁、不适合谁
| 工具 | 克隆门槛 | 免费额度 | 起步价 | 强项 |
|---|---|---|---|---|
| ElevenLabs | 即时克隆约 10 秒起步，专业克隆需 30 分钟以上音频加语音验证码 | 每月 1 万积分，不含克隆 | Starter 每月 6 美元起 | 音质标杆，适合有声书 |
| Fish Audio | 10–30 秒音频 | 每月 8000 积分，个人非商用 | Plus 每月 15 美元，年付约 11 美元 | 80 多种语言，支持情绪标签 |
| MiniMax Audio | 约 5–10 秒音频 | 每月 1 万积分 | Starter 每月 5 美元，年付 4.5 美元，克隆按次约 1.5 美元 | 中文与粤语好，跨语言克隆强 |
| Cartesia（Sonic） | 3 秒音频 | 每月 2 万字符 | Pro 每月 5 美元 | 低延迟，适合实时语音助手 |
要最高音质选 ElevenLabs，API 约每千字符 0.04–0.08 美元；不适合预算紧、只想克隆着玩的人，免费版不含克隆。要便宜量大选 Fish Audio，API 约每小时语音 0.81 美元，四款里最便宜，适合批量出短语音，文案能插 [whispering] 情绪标签，OpenAudio S1 权重开源可自用；不适合要商用、要最高音质的人，免费版只限个人非商用。中文与跨语言选 MiniMax，克隆一个声音按次约 1.5 美元，适合偶尔克隆中文声音；不适合追求英文顶级音质的人。实时对话选 Cartesia，3 秒音频就能克隆，低延迟适合边说边回的语音助手；不适合做长篇有声书的人。四款都不适合只想偶尔玩一次、不想订阅的人，用免费版或开源 Chatterbox 试水更合适。
安全边界：克隆之前先想清楚
克隆他人声音须经本人同意，没有这一步就不要动手。欧盟 AI 法案要求对深度伪造内容做披露，这项义务从 2026 年 8 月 2 日起适用。3 秒音频就能达到较高匹配度，骗子拿到一段公开录音就能冒充熟人打电话，接到熟人来电先核实身份，再谈钱。先定用途，再看门槛和价格，最后听音质，工具没有高低，只有合不合适。
