我们是 ElevenLabs 的竞争对手,所以下面的每一句都请当成有利害关系的一面之词,链接都在旁边,建议点开。本页所有关于 ElevenLabs 的事实,都是 2026-09-21 当天从他们自己的定价页或自己的文档上读到的,出处就印在那句话边上。
一句话版本:ElevenLabs 是一个语音平台,克隆能力很强,并且按他们 Text to Dialogue 文档里的原话,“no limit to the number of speakers in a dialogue”(一段对白里的说话人数没有上限)。CastDub 是小得多的东西——给已经有说话人的剧本用的制作工具。选哪个,取决于一些和「谁的样音更好听」完全无关的问题。
我们能核实到的部分
| CastDub | ElevenLabs | Typecast | |
|---|---|---|---|
| 一份贴进去的剧本能出多个角色吗? | 可以,而且这就是产品本身:把剧本贴进来,它自己切出台词、判断谁在说话,再从 40 个库角色里给每个说话人配一个。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”(说话人数没有上限;Text to Dialogue 接口、Eleven v3、单次请求 2,000 字符);在 Studio 里可以 “assign multiple voices to a single paragraph”。 (出处) | 我们查过的页面上未说明。 (出处) |
| 情绪能逐句导吗? | Pro 可以逐句指定;所有套餐都能给每个角色设一个默认情绪。共 7 种情绪,是每一句真的演出来的,不是用音高和语速凑的近似。 | 在文本里写方括号音频标签,例如 [sad],在 Eleven v3 上 “influence the delivery of the dialogue”。 (出处) | Pro 档:“Fine-tune voices with emotion controls” 与 “Advanced voice controls including intonation”;Plus 档:“Control voice speed”。 (出处) |
| 每个角色一条音频(分轨)吗? | 仅 Pro:一个 ZIP,里面是成片,加上每个角色一条与成片等长的 MP3。 | 他们的 Studio 文档里未说明;下载写的是 “MP3 or WAV”。 (出处) | 官网未说明。 (出处) |
| 字幕呢? | Plus和Pro:一份 SRT 文件,导出它不扣额度。 | Studio 的字幕是 “generated automatically and can be customized with templates”;是否给 SRT 文件未说明。 (出处) | 官网未说明;定价页列的是 “HD (720p) video exports”。 (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 档起有 “Instant Voice Cloning”;Creator 档起有 “Professional Voice Cloning”。 (出处) | Basic:“Instant Cloning (1 slot)”;Plus:“Professional Cloning (1 slot in total)”;Pro:2 个;Business:10 个。 (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。 | Free 档 $0,“10k credits per month” 和 “3 Projects in Studio”。 (出处) | “Voice generation & playback Unlimited”、“Lifetime download credits 3,000 credits (~5 mins)”,以及 “Attribution is required for all content downloaded on the Free plan”(免费档下载的内容必须署名)。 (出处) |
| 免费档能商用吗? | 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,所以 Free 档没有。 (出处) | 商用授权从 Basic 档起;免费下载须署名。 (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 credits per month”;Creator $11/月换 “121k credits per month”。 (出处) | Basic $5/月,Plus $19/月,Pro $29/月,Business $69/月。 (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) | 首页写 “35+ languages”。 (出处) |
核对日期 2026-09-21。价格都是各公司自己页面上印的美元月费;年付价和促销价另算,而且经常变。
「官网未说明」就是字面意思——我们打开了下面列出的页面,上面没有这条事实。它不等于说这个功能不存在。
CastDub 这一列由跑着产品的那份代码生成(lib/plans.ts 和选角代码),所以它不会和你实际拿到的东西对不上。
免费档能拿走什么?
ElevenLabs 的定价页列的是:Free 档 $0,“10k credits per month”(每月 1 万额度)和 “3 Projects in Studio”;再往上 Starter $6 换 30k 额度,Creator $11(首月 $6)换 121k 额度,Pro $99,Scale $299,Business $990。同一页把 “Commercial License” 放在 Starter 档,也就是说免费档不能用于商业用途。
CastDub 的免费档是另一种形状,这是故意的:4,500 点下载额度,一次性终身给,不按月重置,大约 16 分钟的中文成片;而且只有下载才扣额度。所有套餐的生成和试听都不花钱,取而代之的是每 24 小时 30 行的合成上限——所以你可以在剪一场戏的过程中把它反复听上二十遍,不用一直盯着余额。
注册前有一件事要知道:我们还没接通支付。公测期所有账号按 Pro 的功能跑,一分钱不收。商用授权是条款不是开关,所以它不跟着放开——免费使用仍然只限个人。
贴一份剧本进去,它认得出谁在说话吗?
两边都行,但形状不同。ElevenLabs 的 Text to Dialogue 接口 “creates natural sounding expressive dialogue from text using the Eleven v3 model”,文档里明写 “There is no limit to the number of speakers in a dialogue”(说话人数没有上限),同时提醒单次请求最好不超过 2,000 个字符。在他们的 Studio 产品里,文档说你可以选中一段文字、从下拉菜单换音色,从而 “assign multiple voices to a single paragraph”(同一段落里分配多把嗓子)。
CastDub 是从另一头开始的。你把整份剧本贴进来——标准剧本分栏、「人名:台词」、带对话标签的散文,或者西语、法语、葡语、俄语里那种破折号对白——工具自己认出有哪些说话人,给每人建一个角色,再从 40 个库角色里配。同一个项目里,两个角色不会共用一把基础嗓子,直到那个性别的池子用完,所以一场四人对手戏不用你管,听起来也分得开。
我们这边诚实的上限:基础嗓子一共 10 把(女 4、男 5、中性 1),所以一场戏里说话人超过 10 个,就一定有人共用嗓子,只能靠表演指示分辨。如果你的角色表比这更长,最好开工前就知道,而不是做到一半才发现。
情绪能一句一句地导吗?
ElevenLabs 是通过文本本身做的。他们的 Text to Dialogue 文档描述了写在输入文本方括号里的 “non-speech audio events”——情绪类的 [sad]、事件类的 [applause]——在 Eleven v3 上 “influence the delivery of the dialogue”(影响这段对白的表演)。这种做法表现力不错,而且和剧本天然相容,因为导演意图就写在剧本里。
CastDub 是用一个挂在句子上的控件做的。每个角色在所有套餐下都带一个默认情绪;Pro 可以把任意单句覆盖成 7 种情绪之一,Plus和Pro 另外有 0.75×–1.25× 五档语速。情绪是这一句真的演出来的,不是加了层滤镜——这也意味着同一句重新生成会得到略有不同的一遍:嗓子不变,表演是新的。一条读得不对,办法就是再按一次。
抽象地比没有输赢:标签跟着文本走,能带进别的工具;控件更适合把同一句话的四种读法挨个试过去。
分轨和字幕,导得出来吗?
这是两边差得最开的地方,也是你最该自己去核的地方。Pro 下,CastDub 导出一个 ZIP:成片,加上每个角色一条与成片等长、时间对齐的 MP3,于是你可以在 DAW 里正经地给一场戏配乐,而不是拿音乐去压一整条混好的对白。Plus和Pro 还能导 SRT,而且导字幕不扣额度。
ElevenLabs 那边,他们的 Studio 文档写着可以 “download as MP3 or WAV”,音质与套餐挂钩——小档位是 128 kbps 的 MP3,高档位有 16-bit WAV 或 192 kbps MP3,而 WAV 这个选项我们压根没有。同一页还描述了自动字幕,“can be customized with templates for colors, fonts, and placement”(可以用模板调颜色、字体和位置)。按说话人分轨导出在我们读到的页面上没有写,这和「说它没有」不是一回事——意思是我们没核实到,所以那一格既没打勾也没打叉。
这一节里最清楚的一项优势是他们的:WAV 交付,我们完全不提供——这里的一切都是 MP3。如果你是按交付规格单干活的,单这一条就能定胜负。
语言有多少,嗓子有多少?
ElevenLabs 的定价表在付费档位上列的是 74 种语言。这比我们多一个数量级,而且这是他们页面上的数字,不是我们的。
CastDub 有 9 种:英语、中文、日语、韩语、西班牙语、葡萄牙语、法语、德语、俄语。10 把基础嗓子每一把都会说全部 9 种,所以这里没有哪门语言是二等公民、只配得到一小撮嗓子。我们不承诺的是地区口音:英语以外,你拿到的是这门语言的通用口音——普通话、拉美通用西语、巴西葡语——选不了城市。我们也没有请每门语言的母语者逐一审听过,所以诚实的建议是:把你自己的台词贴进来听一遍,再决定要不要把项目交给我们。
如果你做的语言我们没有,覆盖面就压倒工作流,这个选择题其实已经做完了。
能克隆我自己的声音吗?
在 ElevenLabs 可以,而且这是选他们最明确的理由之一。他们的定价页把 “Instant Voice Cloning” 放在 Starter 档,“Professional Voice Cloning” 放在 Creator 及以上。
在 CastDub 也可以,只是范围窄一些。你把一段简短的同意声明读出来,这段录音就是这把声音——所以它只可能是你自己的,不会是公众人物,更不会是未成年人。它能用我们 9 种语言里的任何一种念你的台词,语速有效,但情绪和表演提示对它不起作用;做法也只有一种,没有两个档位。
如果克隆声音是你整个流程的核心——要它来撑表演,或者要用远不止几秒钟的素材来做——他们的档位比我们走得远,这场对比就算他们赢。如果你只是想让自己的声音在一群角色里念旁白或演其中一个,我们这边够用。
什么时候该选 ElevenLabs
四种情况,而且我们认为都很常见。第一,单旁白的活——有声书、纪录片配音、单人播客:选角那套机械什么也帮不了你,等于为一个永远用不到的功能付注意力。第二,克隆,同上。第三,语言覆盖:74 对 9,如果你的语言正好落在差额里,这根本不是接近的比较。第四,已经跑顺的流水线——你已经有接口调用、渲染步骤和混音模板,那迁移成本比对比页上看起来的高得多。
还有第五种、安静一点的情况:他们的体量。更大的档位、WAV 交付、有公开限额的 API、一大堆文档——如果你要向采购部门交代,这种成熟度值不少钱,而那是我们今年给不出的。
我们的适用面很窄,我们宁愿把它说得同样窄:一份有好几个说话人的剧本,现在是一个一个生成、再手工拼起来,最后还要分轨和字幕。我们存在就是为了删掉那一个小时。如果那不是你的那一个小时,就待在原地别动。
这一页是怎么写出来的
我们做的是竞品,所以这样一页不管怎么写都是营销。我们能做的是让它可核查。上面每一条关于 ElevenLabs 的说法,都是 2026-09-21 当天从他们自己的定价页或自己的文档上读到的,链接就在那句话旁边;凡是页面上没写的,我们写「官网未说明」,而不是凭印象猜、也不抄第三方评测。
对比表里常见的那些夹带,我们都没放:没有勾叉,没有评分,没有关于谁的嗓子更好听的判断——那一条得你自己拿自己的剧本在两边各跑一遍。没有哪一行是用观点填上的。
我们自己那一列也不是手打的。数字来自产品正在执行的那份套餐定义,在构建这一页时插值进来。所以就算我们改了价格或额度、忘了改这一页,这一页也会自己跟着变。
如果你发现哪一行写错了或者过期了——厂商调价从来不会通知竞争对手——告诉我们,我们改掉并把核对日期往后挪。被人纠正,总好过被人引用错。
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 — Free $0 / 每月 10k 额度,含 3 Projects in Studio;Starter $6 / 30k;Creator $11 / 121k;Pro $99 / 600k;Scale $299 / 1.8M;Business $990 / 6M;Commercial License 从 Starter 起;Instant Voice Cloning 从 Starter 起、Professional Voice Cloning 从 Creator 起;付费档位上列出 74 种语言。
- ElevenLabs — Text to Dialogue 文档 — “There is no limit to the number of speakers in a dialogue”;方括号音频标签影响表演;仅 Eleven v3;单次请求不超过 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,音质随套餐;自动字幕可用模板自定义;按说话人分轨未说明。
- Typecast — 定价页 — Free $0,3,000 点终身下载额度且须署名;Basic $5、Plus $19、Pro $29、Business $69;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”。
常见问题
CastDub 比 ElevenLabs 便宜吗?
没法直接比,因为计量单位不一样。他们的定价页卖的是每月的额度,$6 起;我们只在下载时扣额度,Basic $5/月、Pro $29/月,而且所有套餐的生成和试听都免费。唯一诚实的比法是拿一份真实剧本在两边各做一遍,看各自实际扣了多少。
能把 ElevenLabs 的项目搬过来吗?
只能靠粘贴剧本。这里没有任何导入:不支持 .txt、.docx、.srt 上传,也没办法把你在 ElevenLabs 的音色或设置带过来。实际操作就是复制一遍剧本、重新选一次角,一场戏花不了几分钟。
CastDub 有 ElevenLabs 那样的声音克隆吗?
有,但窄得多。他们的定价页在 Starter 档提供即时克隆、Creator 档提供专业克隆。我们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;它会念台词、跟着语速走,但不会演情绪。如果克隆是你最需要的东西,那就该用他们。
一个 CastDub 项目能放多少个说话人?
你的剧本有多少个都行,但基础嗓子只有 10 把,超过之后角色就开始共用嗓子,只能靠各自的表演指示分辨。群戏很密的话,按说话人分组拆成几个项目;或者干脆有意识地接受撞声,把共用的两个人在年龄和气质上拉得尽量远。
能拿到按角色分开的音轨吗?
Pro 可以:一个 ZIP,里面是成片、每个角色一条与成片等长的 MP3,外加 SRT。Plus和Pro 能拿到字幕,但成片只有一条混好的 MP3。ElevenLabs 那边我们没能在读到的页面上核实按说话人导出,如果这一条对你是决定性的,请自己去看他们的文档。
做有声剧到底选哪个?
如果你的剧是多角色的,决定权在流水线那一侧:能不能只重渲一句而不用重建整场戏,最后能不能拿到分轨去混音。如果你的剧是一个旁白偶尔带点引语,这个问题根本不会出现,那他们更大的语言覆盖和克隆能力就比我们的选角值钱。