语音与音频 📅 2026-11-09 · Mini AI Tools 评测专栏

ElevenLabs 对比 OpenAI 语音 API:TTS 全面关停前的价格与选型实测

OpenAI 将在 2027 年 1 月 6 日前关停全部传统 Speech API 语音合成模型。我们逐项对比了官方定价、免费额度与声音克隆能力,告诉你新项目该选谁、老项目往哪迁。

$ 实测核心总结 (TL;DR)

为什么现在必须重新选型

OpenAI 给自家整条传统 TTS 产品线都判了死缓。根据 OpenAI 官方弃用文档(2026 年 11 月 8 日核对),tts-1、tts-1-hd 以及两个 gpt-4o-mini-tts 快照将于 2027 年 1 月 6 日停止服务;语音转文字一侧(whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe)则在 2027 年 2 月 26 日跟进。官方指定的替代模型 gpt-realtime-2.1-mini 只能跑在 Realtime API(WebSocket/WebRTC/SIP 会话)上,而不是绝大多数脚本正在调用的简单一次性 /v1/audio/speech 接口。

这场强制迁移让 2026 年底成为重新评估 ElevenLabs(表现力 TTS 的品类头牌)的最佳时点。本文于 2026 年 11 月 8 日核对双方官方定价页,并逐项算了按字符与按分钟的成本账。

价格与免费额度对比

ElevenLabs 按共享点数计费,OpenAI 按 token 计费,关键对比如下:

维度ElevenLabsOpenAI
免费档每月 10,000 点数(≈10 分钟 TTS,不可商用、需署名)TTS 无免费档(API 按量付费)
入门付费档Starter $6/月,30,000 点数 + 商用授权 + 即时声音克隆纯按量计费;传统 gpt-4o-mini-tts 实测约合每千字符 $0.02,音频输出 $12/百万 token
进阶档Creator $22/月,121,000 点数(≈121 分钟)+ 专业级声音克隆gpt-realtime-2.1-mini:文本输入 $0.60 / 音频输出 $20 每百万 token(仅 Realtime API)
API 合成单价Eleven v4 每千字符 $0.08;Flash/Turbo 每千字符 $0.04仅按 Realtime 音频 token 计费;传统按字符价 2027 年 1 月 6 日退役
声音克隆即时克隆(Starter 起)、专业克隆(Creator 起,$22/月)不提供
语音转文字Scribe v2 每小时 $0.22gpt-transcribe 每分钟 $0.0045;旧转写模型 2027 年 2 月 26 日退役

一个细节:按字符算,OpenAI 的传统 Speech API 反而更便宜:307 字符样本在 gpt-4o-mini-tts 上约花 $0.006,ElevenLabs v4 上约 $0.025。但这个价格优势 2027 年 1 月 6 日到期,而且继任者每秒语音消耗的音频 token 约多 67%,还换成了会话式 API。

注册入口(ElevenLabs 免费档):elevenlabs.io

核对入口(OpenAI 弃用时间表):developers.openai.com/api/docs/deprecations

音质、克隆与延迟实测观察

ElevenLabs 的护城河是广度加克隆:支持 32 种以上语言,$6 的 Starter 档就能用约一分钟音频做即时克隆,Creator 档解锁专业级克隆;同一份点数池还覆盖配音(无水印 v1 版每分钟 $2.20 起)和音乐 API(每分钟 $0.15)。标准 TTS 约为 1 点数/字符,按脚本字数做预算即可。

OpenAI 的强项是实时双向语音:Realtime API 家族为语音代理的亚秒级轮次对话而生,GPT-Live 1 会话按每分钟 $0.05 平价计费。但如果做的是旁白 MP3,OpenAI 未来不再提供简单的批量合成接口;想保住现有音质,就得把流水线重写成流式会话,而且依然没有克隆能力。

选型决策建议

果断选择 ElevenLabs:如果你要发布音频(YouTube、课程、有声书)、需要商用授权或声音克隆,或者想要一家明年产品形态不会被迫推翻的平台。商用最低从 Starter $6/月起;职业创作者直接上 Creator $22/月。

优先考虑 OpenAI:如果你已经在 OpenAI 技术栈上做实时语音代理(gpt-realtime-2.1-mini 在对话延迟上确实出色),或者愿意赌一次迁移换取极低成本。无论如何,只要代码还在调 tts-1 或 gpt-4o-mini-tts,就把重写排进 2027 年 1 月 6 日之前的日程。

本指南提及的核心工具

EL

ElevenLabs

语音与音频
Freemium

用于生成和克隆语音,也提供多语言配音,适合有声内容和视频译配。

FI

Fireflies.ai

语音与音频
Freemium

全能会议智能助手,自动接入 Zoom/Teams/Meet,实时听写讨论并提取关键待办。

OW

OpenAI Whisper

语音与音频
Free

由 OpenAI 开源的全球顶尖语音识别与自动转录模型,抗噪力强,支持近百种语言。

更多深度横评与实战指南

查看全部指南 →