· reAPI Team
ElevenLabs 替代品：按价格比较文本转语音 API
ElevenLabs 文本转语音替代品：按每百万字符价格比较 OpenAI、Google Gemini、xAI 和 Qwen TTS，并介绍一款开放权重模型。
最便宜的 ElevenLabs 文本转语音替代品，每字符成本为 ElevenLabs 最新模型的八分之一到五分之一。ElevenLabs 为其 v4 模型列出的价格为每 1,000 字符 $0.08，即每百万字符 $80。[1] 按同一单位计算，Alibaba 的 Qwen3-TTS-Flash 为 $10，OpenAI 的 tts-1 和 xAI 的文本转语音均为 $15。[2][3][4] Google 则按音频时长为 Gemini TTS 定价，2026 年内约为每分钟 $0.0135。[5]
价格只是决策的一半。ElevenLabs 在延迟、语言和字符限制方面公布的细节仍然最多，而语音质量需要亲耳试听。本文采用各家供应商自己的价格页进行比较，核对于 2026 年 11 月 4 日。
ElevenLabs 替代品价格对比
| 供应商和模型 | 计费单位 | 每 1M 字符价格 | 备注 |
|---|---|---|---|
| ElevenLabs v4, v3, v2 Multilingual | 字符 | $80 | v4：90+ 种语言 |
| ElevenLabs v4 Turbo, Flash / Turbo | 字符 | $40 | Flash：延迟约 75 ms |
OpenAI tts-1-hd | 字符 | $30 | |
OpenAI tts-1 | 字符 | $15 | |
| xAI 文本转语音 | 字符 | $15 | |
| Qwen3-TTS-Flash（Alibaba Cloud，国际） | 字符 | $10 | 新加坡区域提供 110,000 免费字符，有效期 90 天 |
| Google Gemini 3.8 Flash TTS | 音频 token | 不按字符计费 | 截至 2026 年 12 月 31 日，每 10 秒音频 $0.00225 |
OpenAI gpt-4o-mini-tts | Token | 不按字符计费 | 每 1M 输入文本 token $0.60，每 1M 输出音频 token $12 |
| Qwen3-TTS（开放权重） | 自行托管 | 你的 GPU 成本 | Apache 2.0；音色设计和声音克隆 |
来源：各供应商的价格页。[1][2][3][4][5][6]
将价格换算成每分钟费用
ElevenLabs 将 v4 的每 1,000 字符 $0.08 等同于每分钟大约 $0.08，这意味着每分钟语音约有 1,000 字符。[1] 按同一比例粗略估算，按字符计费的选项换算为每分钟约为：ElevenLabs Flash $0.04，OpenAI tts-1 和 xAI $0.015，Qwen3-TTS-Flash $0.01。Google 公布了自己的数字：每 10 秒音频 $0.00225，即每分钟约 $0.0135；从 2027 年 1 月 1 日起涨至每 10 秒 $0.0045。[5]
制作一本 10 小时的有声书，ElevenLabs v4 约需 $48，OpenAI tts-1 或 xAI 约需 $9，Gemini 3.8 Flash TTS 约需 $8.10，Qwen3-TTS-Flash 约需 $6。这些是基于标价和假定语速的估算，并非实际账单；真实语速会因语言和音色而异。
价格表未体现的 ElevenLabs 能力
ElevenLabs 文档提供的运行细节比大多数替代品更多：Flash 的延迟约为 75 ms，v4 Turbo 约为 100 ms，Flash 每次请求上限为 40,000 字符，v4 提供用于控制表达方式的音频标签，v4 模型支持超过 90 种语言。[1] 如果你在构建实时语音智能体，这些延迟指标比每百万字符相差几美元更重要，因此应在切换前测量替代方案的延迟。
对于使用网页应用而非 API 的创作者，它的订阅套餐也包含字符额度，从每月 $6 的 Starter 套餐到 $990 的 Business 套餐，此外还有免费和按量付费档位。[1]
请求限制会影响长文本的切分方式
每次请求的字符限制决定了你需要编写多少分段代码。ElevenLabs 列出的每次请求上限为：v3 5,000 字符，v2 Multilingual 10,000 字符，Flash 40,000 字符；其中 v2 Multilingual 被描述为适合稳定生成长篇内容。[1] 40,000 字符的限制允许一次调用处理一个短章节；5,000 字符的限制则意味着要按段落边界切分，再将音频拼接起来，衔接处可能听得出来。估算工作量前，请检查替代品的相应限制，因为更低的每字符价格可能伴随更多工程工作。
切换前怎么测试语音 AI
一份简短的测试文稿就能发现大多数问题。内容应包含产品名和缩写、数字和日期、一个长段落，以及一句带情绪提示的对话。试听时留意名称误读、“2026”或“$4.99”等数字的读法、长段落中的语气漂移；如果在开发交互式产品，还要关注首段音频生成时间。让候选名单中的每个选项都生成同一份文稿，因为各供应商对质量的描述各有口径，无法直接比较。
许多语音应用也需要转写语音，因此两个方向都要核算价格。ElevenLabs 为 Scribe v2 语音转文本列出的价格是每小时 $0.22，xAI 列出的语音转文本价格则是 REST 每小时 $0.10、流式每小时 $0.20。[1][4]
如何选择替代品
- 每字符标价最低： Alibaba Cloud International 上的 Qwen3-TTS-Flash，每百万字符 $10。[2]
- 已经使用 OpenAI API：
tts-1每百万字符 $15；更注重质量时，可选每百万字符 $30 的tts-1-hd。[3] - 已经使用 Grok： xAI 的文本转语音每百万字符 $15，使用同一个密钥。[4]
- 按时长计费的长篇音频： Gemini 3.8 Flash TTS，截至 2026 年底约为每分钟 $0.0135。[5]
- 完全不按字符收费： Qwen3-TTS 是 Alibaba Cloud 的 Qwen 团队推出的开源系列，支持“自由形式的音色设计和生动的声音克隆”，可在自己的硬件上运行。[6]
在许多地方，声音克隆涉及征得同意和法律义务。克隆真人声音前，请查看各供应商的条款。
FAQ
最便宜的 ElevenLabs 替代品是什么？
按每字符标价计算，Alibaba Cloud 国际区域的 Qwen3-TTS-Flash 为每百万字符 $10，其次是 OpenAI tts-1 和 xAI，价格为 $15。[2][3][4] 自行托管开放权重的 Qwen3-TTS 可以完全避免按字符收费。
有没有免费的 ElevenLabs 替代品？
Qwen3-TTS 以 Apache 2.0 许可证开源。[6] 在托管选项中，Google 为 Gemini 3.8 Flash TTS 列出了免费档位，Alibaba 在新加坡区域为 Qwen3-TTS-Flash 提供有效期为 90 天的 110,000 免费字符。[5][2]
有没有支持声音克隆的 Eleven Labs 替代品？
有。Alibaba Cloud 的 Qwen 团队推出的开源系列 Qwen3-TTS，在功能列表中列有声音克隆和自由形式的音色设计，你可以在自己的硬件上运行。[6] 克隆任何人的声音前，都应征得同意。
ElevenLabs 值得付更高的价格吗？
取决于你是否需要其文档所列的延迟、语言覆盖和声音控制能力。先用两到三个选项生成同一份文稿，比较后再决定。
reAPI 适合哪些环节
reAPI 目前不提供文本转语音服务，但提供可在生成语音前后使用的音频工具，例如变声器和人声分离工具，与图像、视频和文本模型共用同一个密钥。如果要生成语音本身，上述 ElevenLabs 替代品才是直接可选的路线。
参考资料
- ElevenLabs. API pricing. 2026 年 11 月 4 日获取自 elevenlabs.io/pricing/api
- Alibaba Cloud. Model Studio: model pricing (Qwen3-TTS-Flash). 2026 年 11 月 4 日获取自 alibabacloud.com/help/en/model-studio/model-pricing
- OpenAI. API pricing (audio models). 2026 年 11 月 4 日获取自 developers.openai.com/api/docs/pricing
- xAI (SpaceXSI). Models and pricing: voice. 2026 年 11 月 4 日获取自 docs.x.ai/developers/models
- Google. Gemini Developer API pricing: Gemini 3.8 Flash TTS. 2026 年 11 月 4 日获取自 ai.google.dev/gemini-api/docs/pricing
- Qwen. QwenLM/Qwen3-TTS repository. 2026 年 11 月 4 日获取自 github.com/QwenLM/Qwen3-TTS