对比

2026 年多角色 AI 配音工具盘点

大多数「最好的 AI 配音工具」榜单,排的是没人打开过的工具。这一份只有一条入选门槛——该工具自己的网站上必须写明它能处理不止一个说话人——而且每条说法都带着它的出处链接。

核对日期:

CastDub 在这份榜单上,而这份榜单是 CastDub 发的。这是利益冲突,不是一句能把冲突化掉的免责声明,所以我们给自己上了几道约束:入选与否由厂商自己页面上的写法决定,不由我们的观感决定;每一条都链出处;我们和别人按同一条规则摆位置;核不到的工具点名列出并说明原因,而不是悄悄拿掉。

核对日期 2026-09-21。厂商调价和改版都不打招呼——如果下面某个链接现在写的和这里不一样,请信链接。

我们能核实到的部分

 CastDubElevenLabsPlayHTWellSaid
官网上写明能出多个说话人吗?写明了——给一份贴进来的剧本选角就是这个产品;一个项目里最多 10 把互不相同的基础嗓子。“There is no limit to the number of speakers in a dialogue.” (出处)PlayDialog “can generate turn-based dialogues with multiple voices”。 (出处)“Combine various clips with different voice styles to create a dialogue.” (出处)
编辑器还是 API网页编辑器;没有公开 API。两者都有:Studio 和一套有文档的 API。 (出处)API 优先,文档里写了速率限制。 (出处)带片段和音色风格的 Studio。 (出处)
免费档有:4,500 点下载额度,一次性终身给,不按月重置(约 16 分钟中文成片);每 24 小时可合成 30 行;每个项目 2 个角色。所有套餐的生成和试听都不扣额度。$0,含 “10k credits per month” 和 “3 Projects in Studio”。 (出处)未核实——2026-09-21 当天 play.ht 对我们的抓取关闭了连接。Trial 档含 “3 download minutes per month”,无商用权。 (出处)
入门付费价支付接通之后,Basic 是 $5/月。公测期一分钱不收,所有账号按 Pro 的功能跑。Starter $6/月换 30k 额度。 (出处)2026-09-21 当天没能在他们自己的网站上核实。Starter 年付每月 $10($120/年);月付 $19。 (出处)
语言9 种:英语、中文、日语、韩语、西班牙语、葡萄牙语、法语、德语、俄语。每一把基础嗓子都会说全部九种。英语以外不能挑地区口音,我们也不承诺口音。付费档位上列出 “74” 种语言。 (出处)Play 3.0 Mini “Supports 36 languages”;PlayHT 2.0 Turbo “English only”;PlayDialog 多语言标着 “Beta”。 (出处)英语有几百把嗓子;其他语言列为仅企业档可用。 (出处)
能克隆自己的声音吗?只能克隆你自己的:把一段简短的同意声明读出来,这段录音就是这把声音,每个账号最多 3 把。9 种语言的台词都能念,语速有效;情绪和表演提示对它不生效。Starter 起即时克隆;Creator 起专业克隆。 (出处)“Clone any voice instantly across languages with only 30 seconds of speech.” (出处)他们的定价页上未说明。 (出处)
导出格式只有 MP3。所有套餐能导成片;Plus和Pro 加 SRT;Pro 加按角色分的 MP3。没有 WAV。“MP3 or WAV”,音质随套餐;WAV 这一项我们不提供。 (出处)按每次请求返回 API 音频;拼装是你自己的事。 (出处)Starter 和 Pro 是 MP3;Business 和 Enterprise 是 MP3、WAV、OGG 和 TXT。 (出处)
免费档有商用权吗?不能。免费档只供个人非商业使用。商用授权从 Basic 起算,公测期也不放开这一条。“Commercial License” 从 Starter 档起。 (出处)2026-09-21 当天没能在他们自己的网站上核实。Trial 档是 “No commercial rights”;所有付费档含完整商用权。 (出处)

核对日期 2026-09-21,来自各厂商自己的页面,链接见下方。

Murf、Typecast 和 Speechify 在正文里谈到了,但不在这张表里:在我们能读到的页面上,他们没有写「从一份剧本产出多个说话人」。

CastDub 这一列在构建时由产品自己的套餐定义插值生成,所以它不会和产品实际执行的东西对不上。

要进这份榜单,得先满足什么

只有一条:该工具自己的网站上必须写明,它能在一份作品里产出不止一个说话的嗓子。不是「有很多嗓子」——每家都有很多嗓子——而是同一份输出里有好几把嗓子,无论那表现为一个对白接口、一个多音色编辑器,还是一种在项目里给不同部分分配不同嗓子的明确做法。

我们没有按音质排名。这些工具之间的音质判断是主观的,每次模型更新都会变,而由参赛选手之一发布的排名毫无价值。能定音质的测试是:拿你自己剧本里的三句话,在两个工具里前后各跑一遍,用你自己的耳朵。

我们也没有把谁都没说过的功能算进来。凡是厂商页面没有回答的问题,条目里写「官网未说明」,那是提醒你去问他们。

ElevenLabs — 面最宽,克隆是标杆

他们的 Text to Dialogue 文档写着它 “creates natural sounding expressive dialogue from text using the Eleven v3 model”,并且 “There is no limit to the number of speakers in a dialogue”,同时建议单次请求不超过 2,000 个字符。表演靠写在文本里的方括号标签来导,例如 [sad]。在 Studio 里,他们的指南说可以 “assign multiple voices to a single paragraph”。

ElevenLabs 的定价页列的是:Free $0 每月 10k 额度,Starter $6,Creator $11,Pro $99,Scale $299,Business $990;商用授权从 Starter 起,即时克隆从 Starter 起,专业克隆从 Creator 起,付费档位上列出 74 种语言。Studio 的下载是 “MP3 or WAV”,档位越高音质越好——WAV 这一项我们给不出。

需要的克隆不止是「用自己的声音念台词」、需要很宽的语言覆盖、需要我们给不了的 WAV 交付,或者需要一套文档面很大的 API 时,选他们。理由不少,我们宁愿把它们列出来,也不想假装它们不存在。

PlayHT — 给写代码的人用的对白模型

他们的语音引擎文档把 PlayDialog 描述为 “PlayHT's latest voice model built for fluid, emotive conversation”,以及 “a more advanced model that can generate turn-based dialogues with multiple voices”,并用一个 “Adaptive Speech Contextualizer” 控制 “prosody, intonation, emotion and pacing”。那是作为模型能力的多说话人,不是作为编辑器功能的多说话人。

下单之前请把语言表看仔细:Play 3.0 Mini “Supports 36 languages”,PlayHT 2.0 Turbo 是 “English only”,PlayDialog 的多语言支持标着 “Beta”,而 Groq 上托管的 PlayDialog Turbo 只支持 “english and arabic”。克隆写的是只要 “only 30 seconds of speech”。

我们没有他们的价格:2026-09-21 当天 play.ht 拒绝了我们的抓取,所以这一条完全建立在 docs.play.ht 上。当语音要长在你自己的软件里时,选他们。

WellSaid — 用片段拼出对白,授权条款写得清楚

他们的定价页写着用户可以 “combine various clips with different voice styles to create a dialogue”(把不同音色风格的片段组合成一段对白),这和给一份剧本选角是另一种模型,但符合我们唯一那条门槛。页面上列着免费 Trial 档 “3 download minutes per month” 且无商用权,Starter 年付每月 $10(月付 $19),Pro 年付每月 $33(月付 $49),Business 每用户每月 $160,所有付费档含完整商用权。

有两点值得知道:英语是他们的深水区——几百把嗓子,带英式、南非和澳洲风格——而其他语言列为仅企业档可用。导出格式随档位变:Starter 和 Pro 是 MP3;Business 和 Enterprise 是 MP3、WAV、OGG 和 TXT,最高档还有 48 kHz 和 96 kHz 采样率。

当活是英语企业配音、而且授权和交付规格必须没有歧义时,选他们。

CastDub — 窄,长成剧本的形状,只能克隆自己的声音

我们这个吃下一份贴进来的剧本,分出说话人,给每人一个 40 个库角色之一,并且保证同一项目里两个角色在池子用完之前不共用嗓子。基础嗓子有 10 把(女 4、男 5、中性 1),全都会说全部 9 种语言。Pro 有逐句情绪、共 7 种,Plus和Pro 有语速,Plus和Pro 有字幕,Pro 有按角色分轨。

限制,用我们能做到的最直白的说法:克隆只能克隆你自己的声音,克隆声音只念不演情绪;不能上传剧本文件(只能粘贴),没有 WAV,没有音高控制,英语以外不能选地区口音,没有视频,而且一个项目里分得开的嗓子硬上限是 10 把。支付还没接通——公测期所有账号按 Pro 的功能跑、一分钱不收,但商用授权仍然只给 Basic、Plus和Pro。

当作品本身是一份带角色表的剧本、交付物是要拿去混音的音频时,选我们。这就是全部主张。

查过但没能放进榜单的工具

Murf:他们的文字转语音页写着 “200+ lifelike voices”、“35 languages and 10+ accents”,以及按句或按词控制的 “Pitch, speed, and pause length”,帮助中心描述的是一个带块与时间轴、能导视频的工作台。但我们能打开的页面上没有写「从一份剧本自动分出多个角色」,而且 2026-09-21 当天他们的定价页也没给我们返回可读内容,所以价格同样核不到。给旁白视频用是个强产品;按这份榜单唯一那条门槛,属于未核实。

Typecast:首页写着 “700+ AI voices” 和 “35+ languages”,情绪控制在 Pro 档,声音克隆从 Basic 档起,免费档有 3,000 点终身下载额度,并写明 “Attribution is required for all content downloaded on the Free plan”。从剧本自动分出多个角色,在我们读的页面上未说明。

Speechify:Studio 写着 “Access to 1,000+ realistic voices”,付费 Studio 档有克隆,免费档是 “No commercial usage rights”;多说话人自动选角未说明。他们的主产品是一个阅读与收听应用,那完全是另一件活。

LOVO 和 Resemble AI 本来在我们的候选名单上,没进来是程序上的原因:2026-09-21 当天 lovo.ai 向我们的抓取返回了 HTTP 402,而我们够到的 Resemble 定价页讲的是检测类产品,没有写嗓子数量、语言、克隆或多说话人支持。这两处缺席都不是对产品的评价。

怎么选:四个问题

角色能不能留得住,留多久?这个问题该问每一家,包括我们:在这里,一个角色——人设、库里的选角、默认情绪——活在整个项目里,不会带到下一个项目,所以做系列要有一份写下来的角色表,并且在导出前先听一遍每个主角。

能不能只重渲一句?如果改一个词就要重建一整场戏,你就会不再改了,而作品会因此变差。在这里,改一行只重新合成那一行,其余的在盘上一个字节都不变。

有没有分轨?一条混好的对白轨没法配乐。只要音乐或音效要铺到戏底下,按角色分的文件就是硬需求,不是奢侈品。

还有,你付得起的那一档,授权是怎么写的?这份名单里署名要求和商用权差得很开——Typecast 免费下载要署名,WellSaid 和 Speechify 的免费档不给商用权,ElevenLabs 的商用授权从 Starter 起,我们的免费档只限个人使用。这个问题决定的真实项目,比音质多得多。

这份榜单

  1. CastDub

    把贴进来的剧本配到 10 把基础嗓子上,Pro 可逐句导情绪,Pro 可导按角色分轨。只能克隆你自己的声音。

  2. ElevenLabs

    写明一段对白里说话人数没有上限,Starter 起有克隆,74 种语言,MP3 或 WAV。

  3. PlayHT

    PlayDialog 通过 API 生成多把嗓子轮流说话的对白;30 秒即可克隆。

  4. WellSaid

    把不同音色风格的片段拼成对白;英语目录很深,商用条款写得清楚。

这一页是怎么写出来的

一份由榜上选手之一发布的「最佳榜单」,如果不给自己上规矩,那就是一页销售文案。所以规矩在这里,你可以核我们有没有守住:入选由厂商自己网站上的写法决定;每条说法都带链接、日期为 2026-09-21;不按音质排名;未知写成「官网未说明」,而不是朝着对我们有利的方向落定;核不到的工具——这里是 LOVO 和 Resemble AI——点名列出并说明原因。

我们也把自己的限制写进了自己的条目,而不是塞在脚注里:只能克隆自己的声音、克隆声音不带情绪,不能上传剧本文件,没有 WAV,没有音高控制,没有视频,一个项目里分得开的嗓子硬上限是 10 把。如果其中一条对你是硬伤,你已经省下了一次注册。

我们不做的事,是告诉你谁的嗓子最好听。那是这样一页唯一没法诚实做到的事,也是你自己十分钟就能定的事:同样三句话,两个工具,你自己的耳朵。

如果下面某个链接现在和我们写的对不上,那是链接对、我们过期了。告诉我们,我们会改掉那一行并把核对日期往后挪。

每条事实的出处

上面凡是描述别家产品的格子,都出自下面这几个页面。建议你自己点开看一眼——厂商改套餐从来不会通知谁,也包括不会通知我们。

  • ElevenLabs — 定价页 — 各档价格与额度;Commercial License 从 Starter 起;克隆分档;74 种语言。
  • ElevenLabs — Text to Dialogue 文档 — “There is no limit to the number of speakers in a dialogue”;方括号音频标签;Eleven v3;单次请求 2,000 字符。
  • ElevenLabs — Studio 产品指南 — 同一段落内可分配多把嗓子;下载为 MP3 或 WAV,随套餐不同,而 WAV 我们给不出;自动字幕。
  • PlayHT — 语音引擎文档 — PlayDialog 能用多把嗓子生成轮流对白;Play 3.0 Mini 36 种语言;2.0 Turbo 仅英语;多语言标着 Beta。
  • PlayHT — 文档首页 — 只要 30 秒语音就能跨语言克隆。
  • PlayHT — Groq 上的 Dialog Turbo — “Only two language options are supported: english and arabic.”
  • WellSaid — 定价页 — Trial 档每月 3 分钟下载、无商用权;Starter 年付每月 $10(月付 $19);Pro 年付每月 $33(月付 $49);Business 每用户每月 $160;英语有几百把嗓子,其他语言仅企业档;Starter / Pro 是 MP3,Business 和 Enterprise 是 MP3 / WAV / OGG / TXT;把不同音色风格的片段组合成对白。
  • Murf — 文字转语音页 — 200+ 嗓子;35 种语言和 10 多种口音;按句和按词的音高、语速、停顿;免费档含 10 分钟语音生成。
  • Murf — 帮助中心,Working with the Studio — 块、时间轴、媒体导入与导出清单;多说话人选角未说明。
  • Typecast — 定价页 — 各档价格;免费档额度与署名要求;情绪控制在 Pro 档;克隆容量按档位写明。
  • Typecast — 首页 — “700+ AI voices” 与 “35+ languages”。
  • Speechify — Studio 定价页 — 免费档 600 Studio 额度、无克隆、无商用权;Starter 每年 $100;Creator 每年 $300;1,000+ 嗓子;逐个列名的 21 种语言。
  • LOVO — 定价页 — 2026-09-21 当天向我们的抓取返回 HTTP 402;没有从中取用任何内容。
  • Resemble AI — 定价页 — 我们够到的那一页讲的是检测类产品,没有写嗓子数量、语言、克隆或多说话人支持。

常见问题

什么样的工具才算「多角色」AI 配音工具?

在这份榜单里,厂商自己的网站必须写明能在一份作品里产出不止一个说话的嗓子——一个对白接口、一个多音色编辑器,或者一种在项目里给不同部分分配不同嗓子的明确做法。光有一个很大的音色目录不算。

CastDub 自己发的榜单,为什么自己也在上面?

因为把自己拿掉是另一种不诚实。我们对自己用了同一条门槛,把自己的限制写进了自己的条目,也没有按音质给任何东西排名。请读出处,然后判断我们有没有守住。

专门做有声剧的话选哪个最好?

问四个问题:角色留不留得住、能不能只重渲一句、有没有按角色分轨、你付得起的那一档授权怎么写。决定一个有声剧项目的,往往是这四件事,而不是音质。

这里面哪些能克隆我的声音?

按他们自己的页面:ElevenLabs(Starter 起即时、Creator 起专业)、PlayHT(“30 seconds of speech”)、Typecast(按档位给位数)和 Speechify Studio(付费档)。CastDub 只能克隆你自己的声音,用的是你亲口读的一段简短同意声明,克隆出来的声音只念台词、不演情绪。

有哪家的免费档能用于商业吗?

在我们能核实到的免费档里没有。ElevenLabs 把商用授权放在 Starter 档,WellSaid 的 Trial 无商用权,Speechify Studio 的免费档写着没有,Typecast 的免费下载要求署名,而 CastDub 的免费档只限个人使用——公测期也一样,那期间所有账号按 Pro 的功能跑、一分钱不收。

这份榜单多久重核一次?

顶部的核对日期,就是最后一次把每个链接都打开、每句引文都重读一遍的时间。如果你是在几个月后读到这一页,请把厂商页面当作事实,把这一页当作起点。

今晚就给第一场戏配上音

粘贴剧本,让 CastDub 给每个角色配一个音色,直接导出一部完整的有声剧。

免费开始创作

无需绑卡。免费档给的是一次性额度。