📖 AI 总结

文章对七家语音克隆API进行了横向评测，核心方法是用同一段10秒参考音频在各平台完成克隆，并对比参考音频要求、同意验证、商用许可和语言支持四个维度。评测发现，各平台在即时克隆的音频门槛上差异明显：Cartesia、Gradium、Resemble AI等支持10秒样本，Hume最低要求15秒，ElevenLabs则建议1至2分钟，10秒样本低于其官方指引。同意验证机制也不统一，从权利声明、语音验证码到实时所有权检查各有做法。价格方面，按每百万字符计算，Inworld最低约12.5至25美元，ElevenLabs最高达50至100美元，多数平台集中在30至58美元区间。该评测的意义在于揭示语音克隆的关键难点并非音质，而是还原特定说话人的相似度，同时合规与成本已成为部署决策的核心变量。