Rivya AI 音訊工作流指南

在 Rivya 中選擇語音、文字轉語音、對話、音效、清理、音樂草稿或歌詞優先工作前，請先使用這份 AI 音訊工作流指南。

在 Rivya 裡最容易把音訊做錯的方式，就是以為「音訊」只有一種工作流。

並不是。

目前的音訊分類其實涵蓋幾種並排存在的不同工作。

這個頁面是音訊區域的工作流參考。如果你想看更偏決策、關於如何開始第一個真實語音或聲音任務的指南，如何在 Rivya 開始第一個 AI 音訊工作流 是更適合搭配閱讀的內容。

目前大多數使用者最先接觸的仍然是 spoken audio：語音、多語言朗讀、對話、音效和清理。但目錄中也已經包含以 Suno Music、Suno Sounds 和 Suno Lyrics 為核心的 live music branch，所以這個分類比「TTS 加音訊清理」更寬。

從工作形狀開始

選擇音訊模型前，先判斷你實際要解決的是哪一類問題：

• 單一說話者語音或旁白
• 多語言語音輸出
• 多說話者對話
• 生成音效
• 清理已上傳錄音
• 完整歌曲草稿或以純音樂為主的 track
• 音訊生成前的歌詞發想

這些是不同工作流，不是只改幾個設定的同一個工作流。

目前音訊目錄實際涵蓋什麼

目前音訊目錄橫跨兩個不同群組。

語音、對話、音效和清理

• ElevenLabs Turbo 2.5
• ElevenLabs Multilingual V2
• ElevenLabs Dialogue V3
• ElevenLabs Sound Effect V2
• ElevenLabs Audio Isolation

音樂和音樂相鄰工作

• Suno Music
• Suno Sounds
• Suno Lyrics

重點不是它們剛好都位在同一個分類下，而是它們本來就屬於不同表單形狀和不同成本模式。

Spoken Voice 和旁白

如果任務是用單一聲音朗讀一份腳本，ElevenLabs Turbo 2.5 仍然是乾淨的預設起點。

它最適合從這裡開始：

• 旁白
• voice-over
• 快速 TTS 草稿
• 簡單 spoken tracks

如果 spoken delivery 必須跨語言運作，ElevenLabs Multilingual V2 會更合適。

如果腳本已經有兩個或更多說話者，ElevenLabs Dialogue V3 是更好的路徑，因為對話在結構上不同於單人朗讀。

如果你已經知道任務比整個語音區域更窄，搭配的決策頁包括：用於一般朗讀的 2026 年最佳文字轉語音生成器、用於單一說話者講解的 AI 旁白生成器，以及用於本地化或替換 spoken tracks 的 AI 配音生成器。

Sound Design 和清理

如果任務是「生成一個聲音」，相關路徑是 ElevenLabs Sound Effect V2。

如果任務是「修好我已經有的錄音」，正確路徑是 ElevenLabs Audio Isolation。

這個差異很重要，因為前者是 prompt-first generation，後者是 upload-first cleanup。

已上線的音樂分支

音訊目錄中的音樂側已經上線，但它刻意比完整音樂製作套件更窄。

如果目標是歌曲結構、歌詞驅動的發想，或偏向音樂風格的輸出，請從音訊目錄的音樂側開始，而不是從語音指南開始。

Suno Music 用於第一版 track 草稿

Suno Music 更適合在你需要可播放的 track 草稿時使用，可以有或沒有 vocals。

這讓它成為以下任務最清楚的起點：

• 第一版歌曲草稿
• 以純音樂為主的概念 track
• 用於影片、demo 或 podcast 的粗略音樂

成功結果可以繼續透過 Extend Music 延展，目前 result-based follow-ups 也包含 WAV 轉換和 vocal separation。

Suno Sounds 用於短聲音草圖

Suno Sounds 更適合真正任務是較短的 sonic sketch、ambience bed、loop idea 或背景 texture，而不是完整歌曲結構時使用。

當 BPM、key 或 looping 比主歌副歌更重要時，它通常是更有用的起點。

成功結果可以繼續進入 Vocal Separation action。

Suno Lyrics 用於音訊前的文字

Suno Lyrics 是 words-first 路徑。

當 hook、title、chorus direction 或 verse shape 在你花費生成 track 前更重要時，它很有用。重要邊界是：它回傳文字結果，而不是可播放音訊。

如果你想更細地拆開音樂分支，請閱讀 Rivya 音樂工作流。

為什麼表單差異這麼大

音訊介面刻意跟著模型形狀走。

表單不同，是因為工作不同：

• 語音模型需要文字
• 對話模型需要 turns 和 speaker assignment
• 音效需要 cue-like generation input
• 清理模型預期上傳音訊
• 音樂模型會引入自己的 prompt patterns 和 follow-up actions
• 歌詞優先工具可以回傳結構化文字，而不是媒體檔案

這不是不一致。這是 Rivya 暴露每種工作流的真實形狀，而不是假裝所有工作都能在同一張表單裡完成。

目前音樂分支不是什麼

描述目前音樂分支更準確的方式是：「已上線且有用，但刻意保持狹窄。」

它不是：

• 完整 DAW
• 深度 mastering 或 multi-stem editing suite
• 一次暴露整個 Suno family
• 讓所有音訊工作都被視為音樂工作的理由

這個邊界很重要，因為 Rivya 目前的強項仍是更廣的 multimodal workflow，而不是只做音樂的 specialist stack。

為什麼音訊成本感覺不同

Rivya 的音訊工作不一定像固定成本的圖片生成那樣運作。

成本可能更直接受到這些變數影響：

• 腳本長度
• 輸出時長
• 上傳音訊時長
• 音樂任務上的 result-based follow-up actions

有些音訊項目，尤其是 live music branch 上的項目，會以固定每次價格記錄。其他項目更像是依時長或文字形狀變動的成本模式。

所以音訊模型上的 credits hint 特別值得閱讀。很多時候它是在描述成本模式，而不是承諾一個固定數字。

最常見的音訊錯誤

最常見的錯誤轉向包括：

• 真正任務是清理，卻選擇語音
• 把對話當成單一說話者旁白
• 真正任務是修復既有錄音，卻選擇音效
• 真正需要完整歌曲草稿，卻從 Suno Sounds 開始
• 真正需要可播放結果，卻從 Suno Lyrics 開始
• 忽略時長或 follow-up actions 也是成本的一部分

只要先依工作流形狀分類，大多數錯誤都會消失。

快速選擇方式

如果你想要最短且可靠的決策路徑：

1. 先判斷輸入是文字、結構化對話、已上傳音訊、music brief 還是 lyric brief
2. 再判斷輸出是語音、多語言語音、對話、sound design、清理、完整 track、短聲音草圖，還是歌詞文字
3. 選擇相符模型
4. 最後再調整參數或 result-based follow-up actions

這個順序能在你花時間或點數前，先避免大多數不合適的選擇。

公開音訊頁與 Studio

當你想要第一次執行、快速比較，或從搜尋 landing page 前往正確分支時，請使用公開音訊頁。

當你需要反覆迭代、保存連續性、更完整的帳號脈絡，或在同一個音訊任務上穩定推進時，請使用 Studio。

如果你接下來想看最有用的搭配內容，可以前往 Rivya 音樂工作流、如何用 Rivya 建立 AI 音樂、如何在 Rivya 開始第一個 AI 音訊工作流、AI 旁白生成器、影片 AI Voiceover、AI 配音生成器，或 Studio。

音訊工作流檢查清單

當輸入或輸出是聲音時，從這裡開始：

• 判斷工作是語音、對話、音效、清理、音樂還是歌詞。
• 將生成新音訊和修復已上傳音訊分開。
• 交付前檢查聲音、語言、說話者數量和商業審核。
• 在花費於較長或高風險音訊任務前，先使用較短草稿。
• 將腳本和發音備註與一般創意方向分開。

音訊形狀改變時重新檢查

當 voiceover 變成配音、音樂想法變成歌詞優先寫作，或清理變成重新錄製時，請重新檢查。如果沒有先命名工作形狀，音訊任務很快就會偏離。