怎么控制情绪和节奏？

用 Gemini 时，给每一句写一句简短的读法指导，再加上或这样的语气标签。用 ElevenLabs 时，可以调语速（0.7–1.2）、稳定度、清晰度和风格。

Anyscene AI

历史记录

AI 文字转语音

输入或粘贴文字，选一个声音，下载自然的语音。可以单人朗读，也可以两人或多人对话。

0 / 5,000 字符

试试这些示例

是什么

什么是 AI 文字转语音？

AI 文字转语音把写好的文字变成像真人在朗读的声音。你写文字、选声音和模型，就能拿到一段音频。

Anyscene 把 Google 的 Gemini 和 ElevenLabs 的三个模型放进同一个文字转语音生成器，每个声音都能先试听，再决定花积分。

134 个声音，先听再选

70 个 Gemini 声音分成 10 个用途分组，另有 64 个 ElevenLabs 声音，下面都能直接试听。

130 多种语言

Gemini 会自动识别文字的语言。Flash 和 V3 还可以指定 32 种语言中的一种。

一人朗读或多人出演

用一个声音读完整篇稿子，或者写一段对话：Gemini 两个声音，ElevenLabs 最多 6 个。

说清楚怎么读

用大白话描述语气，插入语气标签，或者在 ElevenLabs 上调语速和稳定度。

声音库

134 个文字转语音声音，点开就能听

写字之前先挑声音。Gemini 的声音按适合的场景分组；ElevenLabs 的声音还能调语速和稳定度。

找到喜欢的了？在文字转语音生成器的声音菜单里选它。回到生成器 →

同一段稿子，三个模型

同一段稿子，三个文字转语音模型

我们把同一段 162 个字符的英文旁白交给三个单人模型。并排播放，听听节奏和语气有什么不同。

稿子（英文）

The harbor lights came on one by one. She counted them the way her father taught her, slowly, as if each one might answer back. Tonight, the last one stayed dark.

Gemini 3.8 Flash TTS

Achird · “warm and unhurried, like a bedtime story”

要求温暖、不紧不慢之后，Gemini 在句与句之间留足了停顿。

0:17

17 秒 · 162 个字符 · 1 积分

ElevenLabs Flash 2.5

James

ElevenLabs 最快的模型，读得平稳均匀。

0:13

12.7 秒 · 162 个字符 · 3 积分

ElevenLabs Multilingual v2

James

ElevenLabs 面向长篇旁白的模型，读几分钟也能保持稳定。

0:12

11.6 秒 · 162 个字符 · 5 积分

每段都是在上方的文字转语音生成器里做的，花费就是显示的数字：Gemini 按时长计费，ElevenLabs 按字符计费。

指导语气

告诉它该怎么读

每句都用同一种读法，文字转语音就会显得平淡。像给配音演员说戏一样，给声音一点指导。

描述读法（Gemini）

Gemini 的每一句都有一个“怎么读”输入框。用几个词写出情绪、节奏和场景。

港口的灯一盏接一盏亮了起来。
怎么读: 温暖、不紧不慢，像睡前故事
九点开门，别迟到。
怎么读: 干脆、有活力，像电台广告

插入语气标签（Gemini）

在希望声音笑、叹气或停顿的位置放一个标签。生成器的“语气标签”菜单会帮你插入。

真不敢相信居然成了。<laugh> 好吧。<short pause> 再从头来一遍。

<laugh>
<chuckle>
<sigh>
<gasp>
<whispers>
<short pause>
<long pause>
<breath>
<cheer>
<sob>
<cough>
<yawn>

建议

指导语要短：用两到五个词说清情绪和节奏。
数字、日期和名字，按希望它被读出来的样子写。
不同的句子需要不同的声音或读法时，用“多人对话”。

避免

把“（伤心地）”这样的舞台提示写进正文，声音可能会把它念出来。
连着堆好几个标签，一个时刻放一个效果最好。
指望靠指导语换一个人说话，要换人就换个声音。

对话

不只是旁白，还能演对话

把文字转语音生成器切到“多人对话”，给每个说话人选声音，再按顺序写台词。整段对话会合成一个音频文件。

台词

ArabellaDid you leave the porch light on?
JamesI always do. You never know who's finding their way home.
ArabellaThen let's keep it on a little longer.

0:09

ElevenLabs V3 Dialogue · 8.6 秒 · 130 个字符 · 4 积分

V3 最多 6 个声音
ElevenLabs V3 对话最多支持 6 个声音，一段对话最多 2,000 个字符。
Gemini 两个声音，带语气词
Gemini 可以演两个人，还能加上自然的“嗯”“呃”。每一句保留自己的“怎么读”指导。
最多 60 句
每轮发言加一句，在这一句自己的菜单里选说话人。台词按你写的顺序读出来。

价格

文字转语音一分钟要多少积分

Gemini 按音频时长计费，ElevenLabs 按你提交的字符数计费。点生成之前，生成器会显示准确价格。

积分，约一分钟 Gemini 语音

积分 / 1,000 字符，ElevenLabs Flash 2.5

积分 / 1,000 字符，Multilingual v2 和 V3

模型	计费方式	约 1 分钟英文	1,000 个汉字	谁能用
Gemini 3.8 Flash TTS	按时长：每 20 秒 1 积分	3 积分	12 积分	所有账号
ElevenLabs Flash 2.5	按字符：每 1,000 字符 15 积分	12 积分	15 积分	付费套餐和积分包
ElevenLabs Multilingual v2	按字符：每 1,000 字符 30 积分	26 积分	30 积分	付费套餐和积分包
ElevenLabs V3 Dialogue	按字符：每 1,000 字符 30 积分	28 积分	30 积分	付费套餐和积分包

一分钟的数字来自本页的示例：每个模型一分钟读了多少字符。Gemini 的时长在生成前根据你的文字估算。

怎么用

三步把文字转成语音

从粘贴文字到下载音频，都在本页顶部的 AI 文字转语音生成器里完成。

1
写或粘贴文字
旁白用一个声音；对话就切到“多人对话”，写下每个说话人的台词。每段最多 5,000 个字符。
2
选声音和模型
在声音菜单里试听，再选 Gemini 或某个 ElevenLabs 模型。想要的话，加上读法指导或语气标签。
3
生成并下载
直接播放结果，再下载：Gemini 是 WAV，ElevenLabs 是 MP3。结果也会出现在历史记录的“配音”里。

用途

创作者在哪里用 AI 文字转语音

文字转语音最擅长的六种活儿，以及各自适合的设置。

YouTube 和 Shorts 旁白

给讲解视频和短视频配一个稳定的旁白。Gemini 读满一分钟大约 3 积分。

播客式对话

两位主持人你一句我一句，写成对话即可。Gemini 会加自然的语气词，V3 能容纳更多角色。

课程和讲解

课程片段和教程需要清晰平稳的读法。Gemini 的“辅导”和“教程”分组就是为此准备的。

广告和宣传

短促有力的口播，配上“干脆、有活力”这样的指导。可以先从 Gemini 的“广告”分组挑。

睡前故事和有声书

温暖的朗读，该停的地方会停。Multilingual v2 读长文也很稳。

产品演示

给录屏和产品视频配音，导出 WAV 或 MP3 直接拖进剪辑软件。

模型对比

该选哪个文字转语音模型

四个模型都在同一个生成器里，换模型时文字会保留。

模型	最适合	声音数	说话人数	可以调	语言	最长文字
Gemini 3.8 Flash TTS	自然的旁白和两人对话，逐句指导读法	70	1–2	每句的“怎么读”、语气标签、语气词	130 多种，自动识别	5,000 字符
ElevenLabs Flash 2.5	快速、平稳的旁白	64	1	语速 0.7–1.2、稳定度、清晰度、风格	32 种，可指定	5,000 字符
ElevenLabs Multilingual v2	长篇、稳定的旁白	64	1	语速 0.7–1.2、稳定度、清晰度、风格	29 种，自动识别	5,000 字符
ElevenLabs V3 Dialogue	富有表现力的对话	64	2–6	稳定度	可指定 32 种，或自动识别	2,000 字符

Gemini 所有账号都能用；ElevenLabs 模型需要付费套餐或积分包。