ElevenLabs 配音：把短稿变成清晰旁白

这次要做出什么

准备下面三句原创短稿，以及三段画面：磨豆、注水、端起咖啡。时间以实际生成音频为准，不预设每句话恰好占用固定秒数。 最后交付：一条读音正确、停顿合适的 MP3 或 WAV 旁白，以及与三段画面对齐的剪辑预览。

跟着做：5 个操作步骤

1. 把文稿整理成能朗读的句子

   输入三句旁白，保留句号和段落。先把 15g、225ml 等缩写改成希望听到的中文读法，并大声读一遍确认语气。

   检查点：文稿中的数字和单位只有一种明确读法。

2. 用同一段文字比较声音

   打开 Text to Speech，先听候选声音的预览，再用第一句话分别试听两种声音。选择更适合平静咖啡画面的那一种，并记下声音名称。

   检查点：以实际中文效果判断，选定一个贯穿整条视频的声音。

3. 确认模型后生成完整短稿

   选择当前可用且支持目标语言的模型，点击 Generate Speech（部分界面为 Generate），生成三句完整稿件。把这版保存为 A，记录声音、模型和修改前的文本。

   检查点：能完整听到三句话，没有漏字或错误的数字读音。

4. 按问题改一次，再做对照

   如果节奏太急，先缩短长句或调整标点，再生成版本 B；只在所选模型支持时使用语速或音频标签控制。不要把用于其他模型的停顿标签直接照搬。

   检查点：对照 A 与 B，保留停顿自然、句尾没有突然截断的一版。

5. 导出并放回画面

   打开右侧生成记录（窄屏点击生成按钮上方的历史图标），点击下载图标，选择 MP3 或 WAV。放进剪辑时间线，让磨豆、注水和成品镜头分别接上对应语句。

   检查点：完整观看一遍，确认音量清楚、语句与画面对应，片尾没有吞字。

可以直接用的练习

以下为 FindGoodAI 编写的练习示例，可替换成自己的素材与主题。

本站原创旁白稿，输入正文即可

周末，先给自己留一点慢下来的时间。
十五克咖啡豆，搭配两百二十五毫升热水，让香气慢慢展开。
等最后一滴落下，今天的第一杯，就准备好了。

遇到这些问题，先这样改

英文缩写或数字读得不对

先把短稿改成想让观众听到的完整读法，再单独重听含该词的句子；不要仅凭声音预览判断。

声音不错，但每句话像不同人在说

固定同一个声音、模型和设置，短稿尽量完整生成，检查接句位置；不要让每句使用不同的参数。

照抄停顿标签后没有效果

核对所选模型的说明。当前官方指南明确 Eleven v3 与 v4 使用音频标签和标点，不支持 SSML break；其他部分模型可用 SSML。入门练习先用短句和标点控制。

旁白比画面长

先减少一句里的信息量，或给对应镜头多一点时间，再重新生成；调整后完整检查，别只听开头几秒。

做完后检查这几项

• 数字、单位和专名读音正确
• 句间停顿与镜头切换相配
• 没有为了塞进固定时长而过度加速
• 保存文稿、模型、声音名称与最终音频

视频与当前界面怎么对应

当前官方文档已列出 Eleven v4。视频和当前界面的模型名称可能不同，按自己账户提供的声音与模型选择；不要把旧视频中的模型称作最新。

视频由 ElevenLabs 发布；本站根据官方资料整理了跟练步骤、示例和检查清单。练习时间为估计，生成排队时间另计。

资料与来源

ElevenLabs 官方 Text to Speech 指南与内嵌视频 ↗

ElevenLabs 官方视频：Create Realistic Text to Speech in 111 Seconds with AI ↗