ElevenLabs vs Fish Audio

ElevenLabs 覆盖 TTS、STT、声音转换、dubbing、音乐和 ElevenAgents。Fish Audio 更集中在 TTS、声音克隆和模型/API，部分免费接口没有 SLA，商业场景还要确认数据用途与授权。

同一供应商要覆盖配音、转录、dubbing 和语音 Agent，可以先看 ElevenLabs 的产品线；主要做 TTS、声音克隆和 API 集成，可以评估 Fish Audio。免费 API、付费计划和自托管模型的商用条件并不相同。

ElevenLabs 与 Fish Audio 的关键差异速览
对比项	ElevenLabs	Fish Audio
价格模式	可免费试用	可免费试用
价格说明	按 credits 计费，美元报价。Free $0 含每月 10k credits；Starter $6/月含 30k；Creator $11/月含 121k；Pro $99/月含 600k；Scale $299/月含 1.8M 与 3 个席位；Business $990/月含 6M 与 10 个席位。商用许可从 Starter 档开始，免费档不参与积分结转。	首页不出现金额，只有 Try S2.1 Pro for Free 和 Get Started Free。FAQ 明确写免费方案仅限个人使用，商用需付费方案。价格页在 fish.audio/plan/，企业方案走 /contact-sales/。
中文界面	支持中文	支持中文
适用平台	Web、API	Web、API
最近核验	2026-08-21	2026-08-21

怎么选

按日常用法来选

ElevenLabs 更合适的情况

需要配音、转录、dubbing 和 Agent 放在同一供应商
要按团队、API 和 voice 类型分别管理用量
可以按目标声音逐项核对授权、商用范围和计划条件

Fish Audio 更合适的情况

主要做 TTS/声音克隆试用和 API 集成
希望按具体模型比较 hosted API、自托管和限流方式
上线前愿意核对免费接口、付费计划和模型 license 的差别

用起来会碰到什么差异

对比项	ElevenLabs	Fish Audio
产品范围	TTS、STT、voice changer、dubbing、音乐和 Agents 多条产品线。	重点是 TTS、reference voice cloning、STT 与模型/API。
授权与服务条款	订阅页区分付费内容的商业使用权与免费档的非商业条件；克隆声音仍须有使用权。	免费 API 公告列有限流和服务边界；托管付费服务、S2 权重许可和声音授权应分别核对。
成本单位	按字符、小时、分钟或 Agent 方案计费。	按模型、字符/音频和动态 rate limit 计算，不能只看免费额度。
适合验证的任务	多语言配音、dubbing、电话 Agent 和音频内容流水线。	目标语言声音试用、克隆、实时 TTS API 和模型切换。

换过去麻烦在哪

声音产品迁移最容易漏掉的是 voice ID、音色授权、脚本分段、时间戳、字幕格式和缓存。先保存一套可公开使用的测试音频，核对每个 voice 的许可、删除方式和地区处理，再切换服务。

资料出处

ElevenLabs API pricing核对 TTS、STT、dubbing 和 Agents 的计费入口。
ElevenLabs Agents核对 Agent workflow、电话和评估能力。
ElevenLabs 商用范围核对免费与付费计划的输出使用范围。
ElevenLabs 服务条款核对输入、输出与 user voice model 条款。
Fish Audio S2.1 Pro核对免费模型的期限、无 SLA 和商业限制。
Fish Audio 服务条款核对付费服务的商用授权和用户内容条款。
Fish Audio S2 权重许可核对研究许可与商用部署许可的区别。

大家会问

关于 ElevenLabs 和 Fish Audio 的常见问题

Fish Audio 免费 API 适合商业项目吗？

不能直接这么判断。免费接口的公告明确提到无 SLA 和商业场景联系条件，正式上线前要读当前条款并确认数据处理与服务保障。

ElevenLabs 一定比 Fish Audio 音质好吗？

公开资料不足以支持这种总排名。要按目标语言、角色、停顿、长音频稳定性和授权要求做同脚本试听。

ElevenLabs

AI 语音合成与语音智能体平台，5000+ 音色覆盖 70 多种语言

ElevenLabs 由美国 Eleven Labs Inc. 运营，官网自述为 AI 通信平台，语音合成质量长期被拿来当行业参照。产品线分三块，ElevenCreative 做内容创作，ElevenAgents 做能对话、能打字也能执行动作的智能体，ElevenAPI 提供文本转语音、语音转文本和音乐生成接口。

价格模式: 可免费试用
中文支持: 支持
支持平台: Web、API

适用场景

给视频、播客和有声书生成多语言配音
用低延迟模型搭建能实时对话的语音客服
通过 API 把语音合成与转写接进自有产品

主要特点

Eleven v3 高表现力语音合成
Flash v2.5 延迟低至 75 毫秒
5000 多个音色、70 多种语言
Scribe v2 语音转文本，支持实时
ElevenAgents 构建可执行动作的语音智能体

使用限制

免费档不含商用许可，商用要从 Starter 档起
免费档不参与 credits 结转
44.1kHz PCM 输出与 192kbps 音质需要 Pro 档及以上
即时语音克隆需 Starter 起，专业级克隆需 Creator 起且数量按档位限制

访问 ElevenLabs 官网

Fish Audio

语音合成与声音克隆平台，支持 30 多种语言

Fish Audio 做语音合成和声音克隆，当前模型是 Fish Audio S2.1 Pro，之前的版本有 Fish Speech 1.6、S2 和 S1。官网写声音库里有 2,000,000+ voices，用户 8M+。克隆一个声音大约需要 15 秒素材，FAQ 里给的下限是 10 秒。语言支持 30 多种，FAQ 点名的有英语、日语、韩语、中文、法语、德语、阿拉伯语和西班牙语。情绪控制的方式比较少见，标签直接写进文本，像 [angry]、[whispering]、[laughing]、[long pause] 这样插在句子中间。除了 TTS，产品线还有语音识别、变声、Story Studio、音频分离、音频翻译和音效生成，首页演示框单次输入上限 30000 字符。

价格模式: 可免费试用
中文支持: 支持
支持平台: Web、API

适用场景

给一系列短视频配音想统一音色，先用 15 秒素材克隆一个，之后批量生成
同一段口播要出英语、日语和西班牙语版本，用多语种合成一次做完
旁白里某一句想压低声音，直接在文本里插 [whispering] 标签控制情绪

主要特点

当前模型是 Fish Audio S2.1 Pro，此前版本有 Fish Speech 1.6、S2 和 S1
声音库官网写 2,000,000+ voices，克隆一个音色约需 15 秒素材，FAQ 写下限 10 秒
情绪标签直接写进文本，像 [angry]、[whispering]、[laughing]、[long pause] 这样插在句子里
除 TTS 外还有语音识别、变声、Story Studio、音频分离、音频翻译和音效生成

使用限制

官网 FAQ 写明免费方案 for personal use only，拿去商用必须升级到付费方案
首页演示输入框单次输入上限 30000 字符，稿子长了要自己切段生成再拼回去
声音克隆牵涉肖像权和声音权，用别人的音色做商用前要自己确认素材授权
首页一个金额都不写，具体档位要去 fish.audio/plan/ 页面确认，企业方案走单独的 contact-sales 入口

访问 Fish Audio 官网