2026 国产 AI 工具怎么挑配音：4 家平台按分钟折算，免费额度能不能商用才是真门槛

一单 60 秒的口播，我报了 120 块。客户回我一句：能不能再便宜点。我没接话，先去把这 60 秒的成本算了一遍。

算完我才发现，贵的不是生成，是返修。第一版意见是「语速再慢一点」，第二版是「这句换个说法」，第三版是「还是用我自己的声音吧」。每一次改稿，平台那边都按重新生成收钱，我这边是一单 120 块。成本算不清楚，报价就只能靠拍脑袋。

所以这篇我不聊音色好不好听，只算三笔账：商用授权到底能不能用、免费额度够我交几单、返修一次要花多少钱。四家平台的官网价目表、积分规则页和商用条款我都读了一遍，凑这张表我花了两天。下面每个数字我都标了出处，看不下去表格可以直接跳到后面三个坑。

先说边界：这一篇写的是钱和规则，不是音质评测。哪个音色更自然，我没有做盲听，读者别拿这篇当选型建议。我能把四家的价目表、积分规则和商用条款抄到一张表上，是因为这些东西官网都公开写着；抄完我才发现，光是返修怎么计费这一条，就够我重新排一遍报价单。

先给「60 秒」定一把尺子

四家平台都不按秒报价，全按字符计价。要把两家的价放到一张表上比，得先有同一把尺子。

我用 TTSMaker 官网上的那句估算：30000 个字符大约能转成 150 分钟时长的音频。30000 除以 150，等于每分钟 200 个字符。后面所有折算我都按这个口径来——一单 60 秒口播，大约 200 个汉字。

这个 200 不是行业标准，是我从官网那句话里除出来的。别家不一定正好是 200，我用了同一把尺子去量四家，高低就出来了。

免费额度，够我交几单

先看免费那一栏。对我这种刚起步的，这栏最要紧——客户的钱要等交稿才到账，工具的钱得我先垫。

TTSMaker 那一行我第一眼也愣了一下。每周 30000 字符，等于官网自己写的 150 分钟，一周能出 150 条 60 秒口播。我一单收 120 块，一周 150 单就是 18000 块——当然这是我一个月做不完的量。我本来以为国内平台的免费额度都抠得跟字数似的，看到这行才发现自己对「免费」的印象有多旧。它还有个细节我差点漏掉：部分声音不限量免费，不计入每周限制。

ElevenLabs 那行是反过来的。免费额度看着最漂亮，10000 credits、官网标约 10 分钟，比 Kitta 还多一倍，可官网对比表里免费档那一格写的是「Personal use, attribution」——个人使用，还得署名；Starter 往上才有「Commercial License」，$6 一个月起。有一篇英文评测里那一条我特意看了：拿 ElevenLabs 的免费档做有变现的 YouTube 内容是不行的，变现就算商用，最低也得 Starter。对我这种交货给甲方的人，Free 档等于零。

这四个平台在站内的收录我都翻了一遍，工具页放在 AI 音频配音分类 下面，还有 17 个同类的没写。要找工具的可以从那儿进，我这篇只讲我用过的四家。

商用授权那一栏，中文平台写得更死

TTSMaker 的商用条款我整段抄下来了。它的《版权归属和商用说明条款》原文是：授予用户对通过本公司产品和服务生成的音频文件的全面使用许可，用户获得不可撤销的、全球性的、永久的使用授权，可以自由使用、修改、复制、分发和展示，包括用于个人和商业用途，比如游戏、电影、有声书、广告、教育内容等各类商业和非商业场景，而无需支付额外费用或获得进一步许可。

但同一条里还有半句我得念出来：生成的内容归你，底层技术、声音模型和系统的权利他们保留，你拿到的是使用授权，不是版权转让。

这个区别什么时候会疼？比如同一个音色你做了三条广告，其中一条的文案和另一家客户撞了，这时候平台不会替你承担责任。条款里的免责部分写得很直白：因使用本公司服务生成的内容而引起的任何法律纠纷由用户自行承担全部责任。这句我记在这儿，不是要吓谁，是我自己签合同的时候会看这一行。

Kitta Audio 的说法就软一些。官方 FAQ 里「免费试用生成的声音可以商用吗」这一条的回答是：是否可商用取决于当前套餐、使用政策和声音授权情况。免费额度可以用来评估音质和工作流，但如果要用于广告、课程、影视、游戏或客户项目，建议使用已授权的声音，并按当前付费方案和服务条款执行。

翻译成人话就是，能不能商用，答案不在工具里，在声音的权利里。你用系统内置音色大概率没事，你要是克隆一个客户老板的声音去做投放，那就不是工具能替你兜住的事。Kitta 同一页还写着「请不要上传未获授权的真人声音素材」。

返修怎么计费，这一条比音色值钱

我接单最怕的不是第一版，是第三版。平台对「重新生成」怎么收费，直接决定我敢不敢接改稿多的活。

Kitta 的积分规则页（页面自己标了更新于 2026-11-04）里有一句，我看到就心里踏实了：在线生成、重新生成只收本次实际生成内容的 TTS 字符积分；试听、修改停顿和重复、复用音频免费。

翻成人话：我改一段 20 个字，就付 20 个字的钱，不是因为整篇 200 字被重算一遍。这个对改稿是决定性的——同一段 60 秒口播改三轮，第一版全价，后面每轮只付改动的那几十分之一。

但它后面还跟着一条：选择导出完整音频时，会再确认并收取整份文稿基础 TTS 积分 ×1 的合成费。也就是说你最后导文件那一下，还得按整篇再付一次。这条我一开始没看到，翻到页底才注意到的。试听免费、导出要钱，这个分界在算账时千万别漏。

ElevenLabs 这边我也查了，它扣积分的方式是按生成请求算，不是按下载。官方 FAQ 原文：积分按生成请求收取，不按下载计；如果对输出不满意，只要内容和设置不变，有限次数的免费重生成可用，免费与否会在生成前提示你。

这段是官方原话，我把它单独拎出来，是因为「改稿免费」这件事如果没说清楚，我报价里就必须给返修留钱。

声音克隆，保存一次要多少

我接过一个长期单子，客户想要自己的声音做栏目，才知道克隆不是「上传就行」。

Kitta 的积分规则表里，声音克隆拆成两笔：试听一次 20 积分，保存一个音色是另一笔。Fish Audio 自己保存 0 积分，但走 API 调用要 2000 积分；MiniMax 保存一个音色 10000 积分；Qwen Audio 3.0 Flash 也是 10000。

差 5000 倍。同一个工作台，同一个「保存音色」的按钮，底下按的是不同模型供应商的价。我第一次是不知道这个差，才按贵的那个点下去的。

ElevenLabs 这边分了两档：Instant Voice Cloning 是 Starter $6 就有，短样本，保真度一般；Professional Voice Cloning 要 Creator $22 起，用更长的样本来训，稳定性明显不一样。差价是一个月 16 美元，换的是语气稳不稳。这和我在 AI 工具订阅对账 里算订阅费是同一个道理，只是这次换成了声音。

TTSMaker 不做克隆，300 多种语音风格是现成的，选一个用就是了。这条对不想折腾的人是好事，你连授权问题都不用碰。

导出格式，客户那边卡过我两次

第一次是客户要 WAV，不要 MP3。第二次是要 48 kHz 的 WAV，不是 44.1 kHz。这两句话在报价单上就是两行，在工具那边是能不能导出的区别。

我把四家能导的格式抄在这儿：TTSMaker 给 MP3 和 WAV；Kitta 给 MP3、WAV、M4A；Fish Audio 的 API 写的是 MP3、WAV、Opus，采样率 48 kHz；ElevenLabs 免费到 Scale 是 128 kbps、44.1 kHz，要 Pro 及以上才能通过 API 拿 44.1 kHz 的 PCM 和 192 kbps。

顺手记一下 ElevenLabs 的积分消耗，因为它按字符扣：文本转语音是 1 个字符 1 积分，Flash 和 Turbo 系列在 API 上是 0.5 到 1 积分；语音转文字每分钟 330 积分；自动配音每分钟 2000 到 10000 积分不等。它还有个「Eleven v4」的模型，官网定价页现在推的就是这个。

三个坑

第一个坑，Kitta 自己两个页面的账就对不上。

套餐页写 Plus $4.49 一个月给 20000 积分、约 88 分钟语音。88 分钟反推是每分钟 227 积分。积分规则页写的是 Fish Audio 的 S2 Pro 每千个中文字符 1000 积分，中文站首页也写了 1 个汉字 = 1 积分。按每分钟 200 字算，一分钟就是 200 积分。两个官方页面差 13%。

这两种口径我试了同一笔账：20000 积分，按字符算是 100 分钟，按套餐页那个「88 分钟」的说法是 88 分钟。差的 12 分钟不是小数，够我再出 12 条 60 秒口播。积分换算我跑了一遍，用的是每分钟 200 字这把尺子，两边的数摆在同一张表上，差哪儿一眼就看见了。

免费档差得更多：1000 积分标「约 4 分钟」，反推是每分钟 250 积分，比按字符算的 200 高 25%。

我猜是套餐页那个「分钟数」把模型倍数和系统开销都摊进去了，但页面上没写。猜的东西我不往文章里当结论，只说一句实操的：拿套餐页的分钟数当承诺，量一定会不准，按字符积分算才是能落到纸面上的账。

第二个坑，搜「Fish Audio 配音」会出来两个站，价格表长得像，但不是一回事。

一个是 fish.audio，Fish Audio 自己做的，Plus $11 一个月给 250000 积分、官网标最多 200 分钟。另一个是 fishaudio.org，中文名叫 Kitta Audio，Plus $4.49 一个月给 20000 积分、标约 88 分钟。后者还额外聚合了 MiniMax 和通义两个模型，能在一个工作台里横向切。

两个站都叫 Fish Audio 配音，都用积分，档位都分 Plus。我第一次是在收藏夹里翻错了站，差点按错的价格报预算。我对比了两个站的 Plus 档，同一个档位名，一个是 250000 积分标 200 分钟，一个是 20000 积分标 88 分钟，比例差 2.3 倍，价钱却是反过来的——fish.audio 一年付 $132，Kitta 一年省 33%。fishaudio.org 现在连官网标题都改成 Kitta Audio 了，但搜索结果里两个还混着。认站点别只看名字，看它一个工作台里能切几个模型、积分规则表是谁写的。

第三个坑，第三方抄的 credits 跟官网不是一个数。

ElevenLabs 官网的 Creator 档是 121000 credits、$22 一个月，Scale 是 1800000 credits、$299。有一篇英文评测写的是 Creator 100000 credits、Scale $330。同一篇里它说年付省约 17%，这个反倒和官网对得上——官网给的口径是年付就付 10 个月钱，Creator 等效月价 $18.33、Scale $249.17。但它那两个 credits 数和价格，跟官网就是两套。

这和我之前写 AI API 五家供应商同维度核对 时遇到的一样：官网的价和第三方抄的价对不上，最后还是得回官网看。我做 海螺视频按秒计费 那篇时也是这个路子——官方把订阅价藏在登录后面，我就改读能公开读的按量定价表。这篇里凡是有数字的地方，我都以当天在官网上抓到的为准。

还有个小事，TTSMaker 的免费是要登录才能用的，页面上写着「本站已接入合规备案，需登录后可使用转换功能」。免费不等于无门槛，这一条我第一次是转不了才发现的，白等了五分钟。

我最后怎么报价

我把账摊开是这样算的。工具这块，TTSMaker 的免费档先跑通稿子，确认商用授权之前不投钱；真要商用、要克隆客户声音的活儿，才上 Kitta 的 Plus $4.49，一个月 20000 积分按官方规则够我用；英文的单子再看 ElevenLabs，我从 Starter $6 起步，Free 档我不碰。这三档加起来，一个月不到 11 美元能覆盖我全部的配音需求。

返修我按最坏情况预留。客户改三轮，第三轮只改句子的话，Kitta 那套规则我算下来只多付 5% 左右的字符钱，但导出那一次是整篇的，这个我单独记一笔。ElevenLabs 那边按生成请求扣，但官方说有有限次数的免费重生成，前提是内容和设置都不变——所以我改稿只动文字，不动语速、不动音色，这样才吃得到免费重生成。

有一单我是真亏过的。客户第二版要「换成我自己的声音」，我临时上克隆，当时不知道 Kitta 上 MiniMax 的保存音色要 10000 积分、Fish Audio 只要 0，我按贵的那个点的。这一单我倒贴了钱。所以现在我接长期单，第一句话就问清楚：声音是谁的，要不要克隆。

再多说一句最要紧的：克隆客户自己的声音，也得有客户的书面确认。Kitta FAQ 里那句「请不要上传未获授权的真人声音素材」我截图存着了，这不是客套话。

就这些

我这行最重要的成本从来不是工具订阅，是改稿轮数。所以做这类单子，工具我只挑一件事最要紧——改一版的时候，平台怎么收钱。声音像不像、情绪够不够，这两项试听十秒钟就能判断；计费规则我得读半小时规则页。上一单 120 块的口播，最后我报的是 180，多的那 60 块是给返修留的，客户没还价。

配音这一行还在长，能选的工具一年比一年多，我在 AI 工具付费还是免费 里那套「先跑通再付钱」的逻辑放到这儿一样成立。真正贵的是买错档位后跟着产生的那一堆返修，那笔账没人替你算。

—— 第三稿改完了吗