2026-06 多輪 deep-research 整理。✅=官方查證 · ⚠️=待確認/我的認知。現況：Starter $6/月、30k credits、已用音效 API。
| 模型 | 語言 | 中文 | credit/字 | 定位 |
|---|---|---|---|---|
eleven_v3 | 74 | ✅ | 1 | 情緒最強（audio tags） |
multilingual_v2 | 29 | ✅ | 1 | 最擬真，官方推薦有聲書/旁白 |
flash_v2.5 | 32 | ✅ | 0.5 | 超低延遲，量產省一半 |
turbo_v2.5 | 32 | ✅ | 0.5 | 速度品質平衡 |
• API 生成比網站便宜：v2/v3 ≈ $0.10/1K 字、Flash/Turbo ≈ $0.05/1K 字。
• 同字數下 V2=V3 同價，Flash/Turbo 半價但情緒較弱。
v3 audio tags（句中方括號逐句指揮）：[excited] [whispers] [nervous] [laughs] [pauses] [cheerfully]。⚠️ 跨聲線一致性差，上線前要測。
| v3 stability 模式 | 特性 | 繪本用 |
|---|---|---|
| Creative | 情緒最強，但易亂念/幻覺 | 角色戲劇台詞 |
| Natural | 最接近原聲、平衡 | 平穩旁白 |
| Robust | 最穩但忽略 audio tags（近 v2） | 長段不出錯 |
voice_settings（所有模型可調）：stability（穩定↔表現）、similarity_boost（貼近原聲）、style（風格強度）、use_speaker_boost。台灣腔聲線靠這些調情緒（非 v3 tags）。
| IVC 即時克隆 | PVC 專業克隆 | |
|---|---|---|
| 方案 | Starter 就有 | Creator+（Scale 3 個/Business 10 個） |
| 樣本 | ~1 分鐘 | 數十分鐘~數小時 ⚠️ |
| 等待 | 秒級 | 數小時訓練 |
| 品質 | 夠用 | 更高更像 |
| v3 | ✅ 官方建議搭 v3 | ⚠️ 未最佳化、品質會掉 |
PVC 流程：① 升 Creator → ② 身分/同意驗證（錄指定語句比對）→ ③ 上傳大量乾淨一致樣本 → ④ 等數小時訓練（webhook 通知）→ ⑤ 用於 TTS（走 v2/v2.5）。
Voice Design：用文字描述生成全新聲音（不需樣本）。
→ 要 v3 情緒就用 IVC 或 Voice Design，別用 PVC；童聲（沐夏）無論哪種都要先有真小孩乾淨錄音。
共享聲線庫實撈 124 個中文腔（試聽頁可聽）：台灣腔 26、標準華語 67、北京腔 22、香港粵語 7、新加坡 2。
⚠️ 台灣腔 26 個裡 25 個是 PVC、只驗證在 v2/v2.5（沒驗證 v3）→ 台灣腔走 multilingual_v2 / turbo v2.5，別預設 v3。 → 開試聽頁挑聲線
POST /v1/sound-generation（model eleven_text_to_sound_v2）
| 參數 | 說明 |
|---|---|
text | 必填 |
duration_seconds | 0.5–30；不給=AI 自動 |
prompt_influence | 0–1，預設 0.3（越高越貼提示） |
loop | bool，v2 才有，無縫循環（環境底音） |
| 輸出 | v2 上限 30s、48kHz；API 每次回 1 個（網頁 4） |
💰 計費：AI 自動時長 = 100 credits/次；自訂時長 = 20 credits/秒（網頁是 40，API 半價）。
省錢：短擬聲（2s）自訂=40cr 比自動 100 省；長環境音用 loop=true+短秒數，播放端重複，別生 9s（=180cr）。
prompt 技巧：自然語言+音訊術語+材質/動作/品質，如 high-quality, professionally recorded footsteps on grass, foley。
真有正式產品 + API（付費訂閱可用，Starter 符合）：POST /v1/music（prompt）、POST /v1/music/detailed（composition_plan，二選一）。
force_instrumental=true → 保證純演奏（BGM/主題曲），但只能配 promptmusic_length_ms 3秒–10 分鐘（API）/ 5 分（網頁）；風格/BPM 走文字 prompt；按秒計費⚠️ Music v2（最好）還沒上 API（coming soon），今天 API 用 v1 代 → 建議現階段維持自有 Stable Audio palette，等 v2 上 API 再評估。
POST /v1/text-to-speech/{voice_id}（+ /stream 串流、+ websocket 即時）text、model_id、voice_settings{stability,similarity_boost,style,use_speaker_boost}elevenlabs：client.text_to_speech.convert(...)→ 接進 build_enhanced_audio.py：加一支 elevenlabs_tts(text, voice_id, model_id, voice_settings) 即可，跟音效同一支腳本/.env。
可把自己的聲音上架共享聲線庫，別人用時依使用量領回饋（現金 USD 或平台 credits）。
| 方案 | 月費 | credits/月 | 商用授權 |
|---|---|---|---|
| Free | $0 | 10,000 | ❌ |
| Starter（你） | $6 | 30,000 | ✅ |
| Creator | $11（首月）/$22 | 121,000 | ✅ |
| Pro | $99 | 600,000 | ✅ |
超量：Starter 不能超量（用完停、等月初重置）；Creator+ 可開 usage-based billing（$0.30/1K credits 起）。商用授權 Starter 起。
① 角色配音：台灣腔走 multilingual_v2（表現力）或 turbo v2.5（省一半）；要濃情緒且願自建 IVC 才上 v3。
② 省 credit 三招：量產用 Flash/Turbo v2.5（0.5/字）→ 走 API（再便宜）→ 數集/月就升 Creator 121k。
③ 音效：環境音用 loop=true+短秒數省一半；擬聲短秒自訂。
④ 配樂：維持自有 Stable Audio palette，等 ElevenLabs Music v2 上 API 再評估。
⑤ 多語化：Dubbing 可一鍵配英日（成本/品質待查）。
⑥ 字幕：Forced Alignment 出逐字時間戳，可做逐字高亮。
⑦ 每集成本：旁白 1,022 字 → v2 ≈ 1,000cr、Flash ≈ 500cr；Starter 30k ≈ 23~46 集/月。
註：API 端點/credit 數會變動，整合前以官方 docs 為準。Dubbing / STT / voice isolation / forced alignment 細節本筆記尚未深查。