如果工作是一個清楚的 speaking voice，先從 ElevenLabs Turbo 2.5 開始。
當真正困難變成 cross-language delivery，或 script 有多位說話者時，答案才會改變。
我們評估了什麼
這份指南已在 2026 年 4 月 28 日，依據 Rivya 的即時 audio 和 voice paths 複核。它聚焦 voice generation，不涵蓋 Rivya 支援的每一種 audio task。
我們檢查了：
- text-to-speech、multilingual speech、dialogue、cleanup 和 sound-effect boundaries
- 什麼時候 ElevenLabs voice models 比 general audio 或 music pages 更適合作為第一站
- speaker count、language、script readiness 和 commercial review 如何改變選擇
- 相關文件：Audio Workflows、Audio Studio 和 Commercial Review Checklist
本頁討論 Spoken Voice，不是所有 Audio
這份指南依據 Rivya 在 2026 年 4 月 21 日的即時 spoken-audio 目錄整理。
- 已交叉核對的公開路徑：
/audio、/ai-models，以及目前上線的 voice-model pages - 已檢視的相關產品指南：Audio Workflows in Rivya、References and Uploads in Rivya，以及 Current Live Features in Rivya
- 本頁只討論 Rivya 內的 spoken-voice choice，不討論 cleanup、sound effects 或 music
有用的切分比標題更簡單。
大多數 voice requests 會收斂成三種結構：
- 一位說話者承載整個 output
- 同一個 spoken asset 跨語言使用
- 多位說話者的 turns 很重要
只要這個 structure 清楚，model choice 通常就會變簡單。
三條重要 Voice 路徑
| Voice job | Best first path | Why it fits |
|---|---|---|
| one speaker, one script | ElevenLabs Turbo 2.5 | plain voice generation、TTS、narration 和 simple voice-over 的廣義預設 |
| one script across languages | ElevenLabs Multilingual V2 | 當困難點是 language transfer 時更適合 |
| several speakers in one scene | ElevenLabs Dialogue V3 | 為 turn-taking、role separation 和 scene structure 而設計 |
這不是三個 brand preferences，而是三種不同的 spoken-audio jobs。
從 Speaker Structure 開始
當輸出只需要一個穩定、可用的 voice 時，從 ElevenLabs Turbo 2.5 開始。
當同一段 delivery 必須經得起語言轉換時，移到 ElevenLabs Multilingual V2。
當 script 表現得像 scene，而不是單一連續朗讀時，使用 ElevenLabs Dialogue V3。
這是整條 spoken-voice path 最乾淨的 mental model。
當任務更窄時提早離開本頁
本頁是廣義 voice decision page。它不一定永遠是最佳最終頁。
如果工作已經明確是下列其中一項，請提早離開：
- plain text-to-speech
- one-speaker narration 或 explainer voice
- spoken replacement 或 dubbing
- video-specific voice-over
當 speaker structure 已經清楚時，這些任務在更窄的頁面會推進得更快。
可靠的 Voice 決策順序
如果你想要最短且可靠的順序，使用這個：
- 判斷 output 需要 one speaker、one script across languages，還是 several speakers
- 選擇符合該 structure 的模型
- 之後才收窄到 TTS、narration、dubbing 或 video voice-over
這能避免 voice work 最常見的糟糕 first run：一開始就解錯 structural problem。
下一步去哪裡
- 如果真正任務是 plain text-to-speech，閱讀 Best Text to Speech Generator in 2026。
- 如果真正任務是 one-speaker narration，閱讀 AI Narration Generator。
- 如果真正任務是 spoken replacement 或 localization，閱讀 AI Dubbing Generator。
- 如果真正任務是 video-specific voice-over，閱讀 AI Voiceover for Videos。
- 如果真正任務比 spoken voice 更廣，閱讀 Audio Workflows in Rivya 或從 /audio 開始。
依 Speaker Structure 測試 Voice Models
不要用 narration 測一個 voice model、用 multilingual copy 測另一個，再用 dialogue 測第三個。那只會證明工作本來就不同。
有用的比較方式，是保持 structure 清楚：
- 測試 broad voice output 時，使用一段短 one-speaker script。
- 當 localization 才是真正問題時，跨語言使用同一個 message。
- 當 dialogue structure 是困難點時，使用短的 turn-taking scene。
- 每次 run 都保留 pronunciation、pacing 和 review criteria。
這會把比較變成 structural fit，而不是 brand preference。
審核第一個 Voice Result
先檢查 output 是否匹配 speaker structure，再判斷 tone、pronunciation、pacing、language transfer 和 role separation。
如果 structure 錯了，請先切換 paths，再精修 style。如果 structure 正確但 delivery 不夠好，修訂 brief，並在製作 variants 前把最強結果存到 History。
