你做中文短剧，配音这一关怎么过？
你搞了个中文短剧账号，一条 15 分钟的剧，外包配音报价 2000 块、排期 3 天。现在有两个 AI 说能自己出，但你只有半小时交差——开哪个？
这问题搁半年前答案只有一个：ElevenLabs。但字节 6 月底把 Seed Audio 1.0 扔进来了，牌桌变了。
这俩根本不是一种东西
别看都叫"AI 配音"，它俩干活的路子完全相反。
Seed Audio 1.0（字节，6 月 23 日 FORCE 大会发的）是一条 prompt 直接出"整段戏"——对白、背景音乐、环境音效、拟音，一次推理全给你。它内置 288 个音色、能 6 个角色同框对戏，中文是母语级，方言口音都吃。
ElevenLabs v3 是老牌霸主，70 多种语言，但它干的是"读台词"——对白、音乐、音效得分三个独立模型分别生成，再你手动在时间轴上对齐拼起来。生态成熟，SOC 2、HIPAA 合规认证都有，Meta 这种大客户都背书。
翻译成人话：Seed Audio 像"你坐导演椅，一句说戏全组开干"；ElevenLabs 像"三个工种各交一版，你自己当剪辑"。前者省的是拼接的工时，后者稳在你对每个轨有绝对控制权。
实测：中文场景谁更顶
做中文短剧、有声书、方言内容，Seed Audio 目前是唯一能"整段戏一次出"的选项。一个人一个 prompt，顶过去一整个配音团队——这个效率差是结构性的，不是参数好坏。
ElevenLabs 的英文和多语种依然最稳，但中文的网络语气词、方言，你得拿真实台词实测，别直接照搬它英文 demo 的结论。
翻车点也得说清楚：Seed Audio 才 1.0，闭源、只有 API、没有模型权重。端到端混出来的音质上限，能不能追平分轨制作再合成，demo 挑最好看的给你看，实际一致性和可用率要上线后才见分晓。还有个"抽卡"风险——你写"中年男性、略沙哑"，能对应无数种具体音色，纯文本描述粒度有限，可能得反复抽直到满意。发布会连 API 开放时间和定价都没说。
价格：肉眼可见的差距
在 fal 平台上，Seed Audio 是 $0.1875 / 分钟生成音频；ElevenLabs v3 按字符，$0.10 / 1000 字符，折算下来大概 $0.07–0.10 / 分钟语音。
体感：一条 15 分钟有声书，ElevenLabs 几十块能搞定，Seed Audio 可能小一百。但 Seed Audio 省掉的不是那几十块，是"对白+配乐+音效三轨对齐"那半天工时——对小团队，工时比那几十块贵多了。
站队结论：别和稀泥
- 做中文短剧 / 有声书 / 方言内容 → 先试 Seed Audio 1.0，目前整段戏这条路上没对手
- 做英文 / 多语种 / 要企业级合规 → ElevenLabs，生态和认证不是 1.0 版本能追的
- 两边都拿不准 → 同一段台词各出一版，耳朵投票，再定主链路
跟你有啥关系
如果你是配音接单的、做有声书的、或者短视频博主：原本外包的钱和时间，现在能自己出大头了。但别指望完全替人——精品剧集的精修、情绪微调，短期还是得人上手。AI 是降本，不是替代。对国内创作者来说，Seed Audio 把"中文整段戏"这个能力第一次放到了平民价格带上，这比参数好看重要得多。