文字轉語音 - 線上 TTS，自帶字幕時間軸
線上文字轉語音，可用 Eleven v4：90+ 語言、情緒標籤、字級時間軸 SRT 字幕。免註冊每天免費試 2 次，¥29.90 起、無需訂閱，支援支付寶。
最近更新: 2026-10-18
聲匠 VoiceSmiths 是一個線上文字轉語音工作臺，用的是 ElevenLabs 最新的模型（包括 Eleven v4）。 貼上文稿，選 54 個精選音色或 5,000 多個社群音色之一，就能下載 MP3 和按字對齊的 SRT 字幕。下面可以免註冊免費試；正式使用 ¥29.90 起（一次性，無需訂閱），支援支付寶。
免費試用 Eleven v4，無需註冊
每天免費 2 次，每次最多 200 字。方括號裡的標籤會被演出來，不會被念出來。
一表看懂
| 聲匠文字轉語音 | |
|---|---|
| 模型 | Eleven v4、Eleven v3、Multilingual v2、Flash v2.5（ElevenLabs 官方 API） |
| 語言 | Eleven v4 支援 90+，v3 支援 70+ |
| 音色 | 54 個精選（24 個原創角色音 + 30 個精挑），5,000+ 社群音色，可克隆、可用文字設計 |
| 長度 | 單次 5,000 字；長文模式一次 50,000 字 |
| 輸出 | MP3，附字級時間軸和 SRT 字幕 |
| 情緒控制 | 行內標籤，如 [whispers]、[excited]、[laughs]，不會被念出來 |
| 免費 | 免註冊每天 2 次，每次 200 字 |
| 價格 | 每 100 字 7 點數（Flash 4 點數）；中文按月付套餐折算約 ¥1.0–1.5 / 分鐘 |
| 套餐 | ¥29.90 體驗包 150 點數（永不過期），或月付 ¥49.90 起 600 點數 |
| 付款 | 支付寶，或銀行卡（Visa / Mastercard） |
| 商用 | 可以，以服務條款為準 |
價格截至 2026 年 10 月，實際價格以生成按鈕上顯示的為準。
文字轉語音，不止是「能讀出來」
多數 TTS 工具解決的是「把字讀出來」；內容創作者真正需要的是能直接發布的成品。聲匠 VoiceSmiths 的文字轉語音在三個地方不一樣：
1. 字級時間軸，字幕幀準
每次生成同時返回每個字元的起止時間，精確到毫秒。SRT 字幕不是靠語速估算切出來的，而是和音訊嚴格對齊——短影片加字幕、播客加章節、課程加逐句高亮，一次生成全解決。
2. 情緒可以「導演」
Eleven v4 和 v3 支援在文稿裡直接寫情緒指令：
[whispers] 我不該來這裡的。
[excited] 但是你看這個資料——漲了三倍！
[whispers]、[excited]、[sighs]、[laughs] 等標籤隻影響演繹，不會被讀出來，也不會漏進字幕。完整列表見情緒標籤速查表。
同一段文案，平靜版與情緒標籤版的實際差別：
無標籤 · 知性御姐：
[excited] · 帶貨女主播：
[excited] 最后三十秒!库存只剩最后两百件,拍下立减一百,手慢无!新聞播報腔 · 播音腔大叔：
英文新聞播報，同一套工作流：
3. 90+ 語言母語級發音
同一個工作臺生成中文、英語、西班牙語、日語、葡萄牙語等幾十種語言。注意：TTS 不做翻譯——請提供目標語言的文稿；需要翻譯+配音一條龍的場景請用影片翻譯配音。
文字轉語音模型怎麼選
| 模型 | 工作臺裡的名字 | 語言 | 特點 | 適合 |
|---|---|---|---|---|
| Eleven v4 | Eleven v4 | 90+ | 最新、表現力最強，支援情緒標籤 | 劇情、廣告、有聲書 |
| Eleven v3 | Resona Ultra | 70+ | 表現力強，支援情緒標籤 | 角色演繹 |
| Multilingual v2 | Resona Multi | 29 | 穩定均衡 | 口播、講解、課程 |
| Flash v2.5 | Resona Flash | 32 | 延遲最低，單價約減半 | 大批次、長文本 |
在語音工作臺的下拉框裡隨時切換，按鈕上直接顯示點數價格，失敗自動返還。拿不準選哪個，可以看 v4 和 v3 用同一批指令碼的對比實測；想對比不同引擎，Google 的 Gemini 3.8 TTS 也可以免費試聽。
一次能生成多長
5,000 字以內的口播稿、文章，一次生成即可；整本書、長課程交給長文模式，不用自己切段再拼接。
典型工作流
- 寫好（或翻譯好）目標語言文稿
- 選音色——不滿意可以克隆自己的聲音或用文字描述設計一個
- 生成 → 試聽 → 下載 MP3 + SRT
最常見的四個錯誤
- 以為它會翻譯：TTS 只朗讀你寫下的語言。中文稿配英文音色，出來的還是中文；要換語言先翻譯文稿
- 在 Multilingual v2 或 Flash 上寫情緒標籤：情緒標籤要配 Eleven v4 或 v3 使用，換成 Multilingual v2 或 Flash 時先把標籤刪掉
- 品牌名、多音字一處處手改：用發音詞典配置一次，之後每次生成都按同一種讀法
- 超長文稿硬塞進一次生成：超過 5,000 字就用長文模式，音色和字幕都能保持連續
常見問題
聲匠的文字轉語音免費嗎？ 可以免費試：不用註冊，每天 2 次，每次最多 200 字，在本頁或首頁都能用；站內所有音色樣音也都能免費聽。超出後按點數計費，沒有每月免費額度。
文字轉語音怎麼收費？ 標準模型（Eleven v4、v3、Multilingual v2）每 100 字 7 點數，極速模型 Flash 每 100 字 4 點數。1,000 個漢字約 4 分鐘音訊，扣 70 點數，按月付套餐折算約 ¥4.1–5.8；用 ¥29.90 體驗包約 ¥14。生成失敗自動退還點數。詳見定價。
能用哪些 TTS 模型？ Eleven v4（2026 年 9 月 28 日發布）、Eleven v3、Multilingual v2 和 Flash v2.5，都通過 ElevenLabs 官方 API 呼叫。工作臺裡 v3、Multilingual v2、Flash 分別顯示為 Resona Ultra、Resona Multi、Resona Flash。
支援多少種語言？ Eleven v4 支援 90 多種，v3 支援 70 多種，Flash v2.5 支援 32 種，Multilingual v2 支援 29 種。文字轉語音不做翻譯，想聽哪種語言就寫哪種語言的文稿。
一次能生成多長？ 文字轉語音單次最多 5,000 字；長文模式一次最多 50,000 字，全程同一個音色、同一條連續字幕；多人對話每次最多 2,000 字。
能出字幕嗎？ 能。每次生成都返回每個字的起止時間，匯出的 SRT 字幕和音訊嚴格對齊，不是按語速估算的。
支援 SSML 嗎？ Eleven v4 和 v3 用情緒標籤和標點控制節奏：省略號加停頓，大寫加重音。品牌名、多音字用發音詞典固定讀法。
生成的音訊可以商用嗎？ 可以。你生成的音訊歸你所有，可用於廣告、短影片、播客、App 等商業用途，具體以服務條款為準；克隆真人聲音需要本人授權。
聲匠和 ElevenLabs 是什麼關係？ 聲匠是獨立的配音工作臺，沒有隸屬關係。我們通過 ElevenLabs 官方 API 呼叫模型，自己做音色、工作流和定價，支援支付寶和人民幣付款。
開始文字轉語音
頁首可以免註冊試兩次；要正式生成，進工作臺貼上文稿、選音色和模型，文字轉語音的音訊和 SRT 字幕會一起交付。