音频生成
已上线

Eleven v4

由 ElevenLabs 提供

ElevenLabs 表现力最强的语音模型。
音频标签、90 多种语言，另有更快的 Turbo 版。

Eleven v4

核心功能

聆听声音的广度

晨光初现，薄雾笼罩的沼泽里有几只鹤的剪影
自然纪录片旁白旁白

纪录片式的平稳节奏，留有呼吸的空间。

0:00
0:12
烛光映照的石室里，书桌上放着一把黄铜钥匙，一把椅子被拉开
反派独白角色

低沉沙哑的嗓音，笑声恰到好处。

0:00
0:12
夜里停着的一辆车，钥匙插在点火开关上，挡风玻璃上挂着雨水
双人对手戏对话

两位说话人彼此接话。

0:00
0:12
晨雾中长着青苔的雪松林间小径，树枝上栖着一只鸣禽
日语旁白多语言

同一个声音，说一口地道的日语。

0:00
0:12

技术规格

90+

同一个声音，每种语言都是母语口音

3,000字符

Morphic 上每次语音生成

2至10位

同一场戏的说话人，合计 2,000 字符

2

Eleven v4 与 Eleven v4 Turbo

应用场景

一条长长的暖琥珀色光带，缓缓铺展进深黑之中

有声书与长篇内容

一个旁白从第一章念到最后一页，声线不变，节奏也撑得住慢热的段落。

一点明亮的光源迸出锐利的白金色光芒

广告与带货口播

三十秒内就得带动购买。用标签调情绪的强弱，哪一句不到位，就只重生成那一句。

三张半透明的玻璃面具悬浮在薄雾里，各自从不同方向受光

角色与游戏

耳语、笑声、带刺的旁白。反派、搭档和村里的每个角色，都有足够的表演空间。

两条光带，一条琥珀色，一条冷银色，在黑暗中此呼彼应

播客与广播剧

把整场戏连同所有说话人写进脚本。台词彼此呼应，听起来就像真人在聊天。

一列干净利落的发光台阶，向深处层层升起、渐渐远去

讲解与网课

清晰平稳的旁白，适合课程和产品演示。脚本里改了哪一步，就只重生成那一句。

一束光分成几束平行的光，步调始终一致

出海配音

同一份脚本换成西班牙语、日语或葡萄牙语，声音不变，口音符合各目标市场的习惯。

提示词示例

深夜昏暗的咖啡馆，门上挂着一件外套，窗外下着雨

耳语警告

[whispers] Don't turn around. [pause] He's been by the door all night.

0:00
0:12
Edit prompt
一块巧克力蛋糕已经少了三块，桌布上放着一把叉子

话说一半笑场

I said the cake was sugar-free. [laughs] She'd had three slices by then.

0:00
0:12
Edit prompt
空荡荡的地铁站台，边缘亮着琥珀色灯带，隧道里透出列车的灯光

文字写的指示

[low, steady, urgent] Everyone off the platform. Walk, don't run.

0:00
0:12
Edit prompt
木桌上一部亮起屏幕的手机，旁边摊开着一本笔记本

录音里的声响

[phone buzzing] That's work again. [sighs] I'll call them back later.

0:00
0:12
Edit prompt
黎明时分，一艘小渡船系在结冰河面的积雪码头边

有声书开篇

Chapter three. The river froze overnight... and the ferry never left.

0:00
0:12
Edit prompt
阳光洒进农舍厨房，撒了面粉的案板上放着一个朴素的自家面包

西班牙语，母语口音

[warm] Bienvenidos. Hoy preparamos el pan de la abuela, paso a paso.

0:00
0:12
Edit prompt

概览

Eleven v4 是 ElevenLabs 最新的文本转语音模型，2026 年 9 月 28 日发布，也是 Morphic 上 Speech 的默认模型。它从脚本里读出语气和节奏，用音频标签控制表演、加入音效，还能演出多人对话。90 多种语言都带母语口音。短视频口播、有声书和出海配音，都用得上。

Morphic 上的 Eleven v4

打开 Speech，ElevenLabs 默认已选中 Eleven v4。要用更快的一档，改选 ElevenLabs Turbo。粘贴不超过 3,000 字符的脚本，音频标签直接写在句子里。要做两到十人的戏，就切换到 Dialogue。完整的标签列表，以及与 Eleven v3 和 Turbo 的对比，见 Eleven v4 提示指南。

简单定价

今天就免费开始，随时可以升级或取消。

Basic

$19/ 月
账单金额为 $0 每年

2400 每月 信用

1 个用户

所有模型

工作流

Standard

$24/ 月
账单金额为 $0 每年

3625 每月 信用

1 个用户

所有模型

工作流

Pro

$45/ 月
账单金额为 $0 每年

6350 共享 每月 信用

1 用户

+ 最多 4 人额外付费可增加

所有模型

工作流

Max

$170/ 月
账单金额为 $0 每年

24650 共享 每月 信用

1 用户

+ 最多 9 人额外付费可增加

所有模型

工作流

Enterprise

更高的限制

自定义

定价和账单条款

大容量信用
自定义席位限制
所有模型
工作流
Pricing Gradient

Free

供随意体验

$0

永久免费

最多 20 积分
仅1个用户
部分模型
工作流
比较方案详情

常见问题

Eleven v4 是什么？
Eleven v4 是 ElevenLabs 于 2026 年 9 月 28 日发布的文本转语音模型。它也是 Morphic 上 ElevenLabs 语音与对话背后的模型。它能从脚本里读出语气和语境，用音频标签控制表演并加入音效。它还能演出多人对话，支持 90 多种语言。
Eleven v4 在 Morphic 上免费吗？
免费版可以直接开始，不用付款。Eleven v4 是默认的语音模型，打开 Speech 时已经选好。付费方案提供更多积分，适合更长的脚本和商用规模的用量。
Eleven v4 支持多少种语言？能做中文配音吗？
据 ElevenLabs 介绍，Eleven v4 支持 90 多种语言，比 Eleven v3 的 70 多种更多。任何声音都能说其中的任意一种。具体包含哪些语种，请以 ElevenLabs 官方公布的清单为准。各语言的流畅度有差别。做中文旁白前，先拿一句真实台词试听，确认读音、停顿和语气。满意了，再生成完整脚本。
Eleven v4 和 Eleven v3 有什么区别？
Eleven v4 更懂语境，表演更到位。同一个声音在多次重来和长篇内容里更稳，音频标签也更听话，语言增加了 20 多种。有两点用法不同：速度和风格控制已取消；声音说本语言以外的语种时，会改用该语种的母语口音。
Eleven v4 和 Eleven v4 Turbo 有什么区别？
两者共用同一批声音，稳定度和相似度设置也一样。Eleven v4 表演最完整，还能做多人对话。Eleven v4 Turbo 是更快的一档，只做单人语音。它适合出草稿、快速重来和大批量台词。在 Morphic 上，选 ElevenLabs 就是 v4，选 ElevenLabs Turbo 就是 Turbo。
Eleven v4 能识别哪些音频标签？
标签写在方括号里，是自由文本，没有固定清单。常见的分四类。情绪与语气，如 [excited]、[sarcastic]、[whispers]。反应，如 [laughs]、[sighs]、[exhales]。停顿，如 [pause]、[long pause]。音效，如 [applause]、[phone buzzing]。您也可以用自己的话写指示，比如 [dry, quietly pleased]。
怎样在 Eleven v4 里加停顿或调语速？
Eleven v4 没有语速控制，也不识别 SSML 的 break 标签。要留出空隙，用 [pause] 或 [long pause]；想要轻一点的停顿，用省略号。要改变语速，加上 [rushed]、[slowly] 这类语气标签。标点，以及英文单词的大写强调，同样会影响节奏。
为什么换成另一种语言后，声音的口音变了？
Eleven v4 本来就是这样设计的。声音说的语言与录制时不同，就会改用新语言的母语口音。所以英式口音的声音说西班牙语，听起来像西班牙语母语者。想引导口音，可以加 [strong French accent] 这样的标签，不过效果因情况而异。

进一步了解 Eleven v4

Eleven v4 提示词指南

如何使用 Eleven v4：能听出效果的音频标签、不用 SSML 的节奏控制、对话脚本，以及相比 Eleven v3 和 Turbo 的变化。

其他模型

OmniHuman 2.0

ByteDance

ByteDance 推出的音频驱动人像视频模型。 一张照片，一段音频，一镜到底5分钟。

Mirelo SFX 2.0

Mirelo AI

Mirelo 推出的视频配声模型。 给视频换上新声音，对白不变。

Fish Audio Drama 3

Fish Audio

Fish Audio 表现力最强的语音模型。 一句一句导演，细到每个词。

Vidu Q4

Shengshu Technology

生数科技的最新视频模型。最多 12 张参考图和 3 段声音，在同一片段里保持一致，自带原生音频，540p 到 4K。