角色配音換一句台詞，聲音就變另一個人？固定聲線有七步

第一次幫角色配音，我連自己要什麼聲音都聽不出來

我在做哥布林的動畫短影音，哥布林和他的女朋友都要開口講話。要幫他們創聲音的時候，我花了很多時間在聽，因為我之前沒做過，聽的當下也不是很確定這是不是我要的。

選音色這一關就卡了很久，我試過上傳自己的真實聲音，試過平台內建的聲音，也試過用文字描述讓 AI 生成音色。有一個聲音我單句聽覺得可以，放進整支片裡一播，聽起來就是很瞎，只好整個重選。

好不容易選定了，新的問題又來，每次換一句台詞、換一種情緒，聲音就跑掉，同一個角色這句像少年，下一句像大叔。我寫的文字指令只要換一個詞，聲音就跟著變。

現在哥布林和女朋友，每支片開口都是同一個人

從 7 月中開始研究，中間做了十幾支片，到 9 月底才定案成現在這套做法。

兩個角色都有固定的台灣腔聲線

哥布林是戲謔感的少年聲，有點欠揍又可愛；女朋友是講話清楚、有精神的台灣女生，像平常跟男朋友拌嘴的口氣。兩個人講的都是台灣中文，沒有那種字正腔圓的配音員腔。

換台詞、換情緒，聲音相對穩定

以前同一句台詞按兩次生成，聲音就可能差很多，音高在 172 到 245 Hz 之間跳，聽起來像換了一個人。現在同一句重生，音高只差大約 10 Hz，聲音不會差太多。哥布林這支片在碎念，下一支片在尖叫，聽起來都還是他。

做到這件事，靠的是第五步的固定 seed，seed 是什麼我放在七個步驟之後說明。

一套寫好的配方，每支新片照著套

角色的聲線，情緒標籤怎麼寫，哪些詞不能用，生完加速幾倍，全部寫成一份聲音規格書。每做一支新片，我只要把台詞放進去，剩下照著規格書走就好。

讓角色每支片都同一個聲音的七個步驟

步驟	做什麼
第一步	申請 ElevenLabs 帳號
第二步	用中文描述，生成角色的聲線
第三步	用整段台詞試聽，選定聲線
第四步	寫情緒標籤：底色固定，每句只換一個情緒詞
第五步	固定 seed，讓同一句每次生出來都差不多
第六步	每句生幾個版本，連著聽再挑
第七步	加速 1.15 倍，照音檔長度訂時間軸

第一步：申請 ElevenLabs 帳號

• 從 ElevenLabs 註冊。免費方案每月有 1 萬點，可以先試聽、生成聲線。
• 要固定做片，建議用付費方案，最便宜的 Starter 每月 6 美元，含商用授權。
• 要讓 Claude Code 幫你配音（第五步需要，原因寫在最後），還要在 ElevenLabs 建立一把 API 金鑰，這是讓 Claude 代替你使用 ElevenLabs 的通行證。請 Claude 在資料夾裡建一個 .env 檔，你自己打開檔案把金鑰貼進去，不要直接貼在對話裡。

第二步：用中文描述，生成角色的聲線

ElevenLabs 有一個功能叫 Voice Design，用文字描述你要的聲音，它就生成幾個聲線給你挑。

• 用中文寫描述，第一句就寫「台灣中文」。女朋友的聲音，是我自己用中文寫描述、第一句寫「台灣中文」抽出來的，一抽就是台灣女生的口氣。後來幫哥布林重新抽聲音時，改用 ElevenLabs 官方的英文範本寫，裡面寫的是 Mandarin Chinese（中文普通話），抽了 12 支，12 支全是中國腔。
• 描述裡不要寫 boy。我想要少年聲，寫了 boy、boyish，一送出就被平台擋下來，聲音根本沒生。改成 youthful male、teenage male，或寫卡通角色聲音就能過。
• 想要的講少一點，不要的講清楚。幫女朋友選聲時，我一直加「可愛、甜、軟」，聲音越來越嗲。後來正向描述只留「清楚、有精神、日常聊天」，再明寫「不要氣音、不要拖長尾音的嗲」，聲音才變正常。

第三步：用整段台詞試聽，選定聲線

• 別只聽單句。單句好聽的聲音，放進整支片可能很瞎，我就是這樣重選過一次。試聽時用這支片實際要講的整段台詞，連著聽。
• 打亂順序盲聽。把幾個候選聲線隨機編號，不看是哪一支，純粹用耳朵選。我幫女朋友選聲時這樣做，選出來的跟我原本以為會選的不一樣。
• 選定之後，這個聲線就是角色的固定聲音，之後每支片都用它，不再逐片重選。

第四步：寫情緒標籤：底色固定，每句只換一個情緒詞

ElevenLabs 的 v3 模型可以在台詞裡加英文方括號的情緒標籤，例如 [laughing]，告訴它這句要怎麼演。

• 每句的前面和後面都掛同一組底色標籤。哥布林的底色是 [boyish, cheeky]（少年感、欠揍），漏掛句尾，味道就會跑掉。
• 每句只在底色後面加一個情緒詞。例如 [boyish, cheeky, genuinely baffled] ……我的啊！ [boyish, cheeky]。我之前每輪都換一整組標籤，聲音跟著一起變，這是聲音忽穩忽亂的主要原因。
• 有些詞會把聲音導歪，試過就記下來：
  • voice trembling（聲音發抖）會把哥布林的音高拉到 159 Hz，聽起來像大叔。
  • flat、calm 這類平靜的詞，也會把他導得太沉。
  • 女朋友用 [disappointed]、[pouting] 會把聲音壓低，聽起來不像她；洩氣的語氣改交給標點符號。
• 問句不要刻意演成問句。「她愛我嗎？」我聽了 8 個版本，字和字中間加「……」會拖長像呻吟，加 questioning（疑問）標籤，「嗎」會上揚過頭，最後加 earnest（認真），一口氣平平地問最對。
• 唸錯的字，換同音字。「鹹酥雞」一直被唸成「憨酥雞」，我把台詞裡的「鹹」換成同音的「咸」就好了，字幕照樣打回「鹹」。「訊息」「綜合」唸不準，也是用同樣的方法換成讀音對的字。

第五步：固定 seed，讓同一句每次生出來都差不多

這一步要交給 Claude Code 做，ElevenLabs 網頁版做不到，seed 是什麼、網頁版為什麼做不到，都寫在七個步驟之後。

• 每個角色給一個自己的 seed，就是一個數字，自己取。我用日期當數字比較好記，定下來之後，這個角色每支片都用同一個。

• 情緒標籤照第四步的寫法：底色固定，每句只換一個情緒詞。標籤整組換掉，seed 固定也救不回來。

• 穩定度（stability）我定在 0.35。我比較過 0、0.35、0.5 三種，0 咬字太鬆，0.5 情緒被壓平。

• 跟 Claude 說的話可以參考這樣寫：

  用 ElevenLabs 的 eleven_v3 模型，聲線 ID 是〈你的聲線 ID〉，seed 固定 〈你的數字〉，stability 0.35。
  下面三句台詞，每句前後都掛 [boyish, cheeky]，各生三個版本，做成一條連聽檔給我聽。

第六步：每句生幾個版本，連著聽再挑

• 同一句生三個版本，接成一條音檔，中間空大約 0.5 秒，連著聽最容易比出差別。
• 同一段表演一次生完，不要拆成好幾段分開生。分開生的時候 AI 看不到前後文，情緒會接不起來。
• 還沒聽過的版本都只算候選，不要因為檔案有生出來就當定案。

第七步：加速 1.15 倍，照音檔長度訂時間軸

• 語速在剪輯時調。我實測過，ElevenLabs v3 在 API 裡的語速參數沒有作用，所以生成時不調語速，生完在剪輯軟體統一加速 1.15 倍。超過 1.2 倍，咬字就會糊掉。
• 先配音，再訂每一鏡的秒數。我做〈待辦清單之神〉這支片時，分鏡規劃 17 秒，配完是 29.8 秒，每一鏡的秒數都要重排。配音演得好，停頓和斷句都會吃時間，所以我現在先把配音定案，再照音檔的實際長度，回頭訂每一鏡要幾秒。

seed 是什麼：叫 AI 每次都用同一個狀態演

同一個演員念同一句台詞，每一次的狀態都會有點不同，這次聲音高一點，下次沉一點。AI 配音也是這樣，每按一次生成，它都會隨機換一個狀態來演，所以同一句台詞按兩次，一次像少年，一次像大叔。

seed 就是幫這個狀態編的號碼。我跟 AI 說「用 20260928 號的狀態演」，它每次都照這個號碼演，聲音就不會差太多，換一句台詞，也還是同一個狀態在講。

我拿哥布林同一句台詞測過，不指定號碼，音高在 172 到 245 Hz 之間跳；指定同一個號碼之後，重生幾次，音高只差大約 10 Hz，聽起來就是同一個人。

網頁版和 Claude Code 版差在哪：網頁版不能固定 seed

用 ElevenLabs 配音有兩種操作方式，一種是自己打開 ElevenLabs 網站，貼台詞、按生成；另一種是交給 Claude Code，跟它說一句話，它就幫你到 ElevenLabs 生成好。第一步到第四步、第六步、第七步兩種都做得到，差別只在第五步。

我打開 ElevenLabs 網頁版的文字轉語音，用 Eleven v3 模型時，右邊的設定只有聲音、模型、穩定度、語言覆寫、音訊效果和輸出格式，沒有地方可以填 seed。seed 只能透過 API 指定，API 是讓程式直接跟 ElevenLabs 溝通的管道，這件事交給 Claude Code 最省事。

	網頁版	Claude Code 版
怎麼操作	自己在 ElevenLabs 網站貼台詞、按生成	跟 Claude 說一句話，它幫你批次生成
能不能固定 seed	不能，網頁上沒有這個設定	可以
聲音穩不穩	只能靠第四步的寫法，每次生成還是會有落差	寫法加上固定 seed，每支片聲音相對穩定
適合誰	第一次做配音、想先試試看的人	有固定角色、要每支片都同一個聲音的人
需要什麼	ElevenLabs 帳號	ElevenLabs 帳號、Claude 付費方案

我自己的配音都是交給 Claude Code 批次生成，我負責聽和挑。配好的音檔，接下來會帶進 AI 影片工具讓角色對嘴，那部分另外寫。

找到這套做法，花了我兩個半月

• 時間：從 7 月 14 日開始查配音工具，到 9 月底這套做法定案，大約兩個半月，中間做了十幾支片，幾乎每一支都在調聲音。
• 白做的路：
  • 單句試聽選定的聲線，放進成片被我否決，整個重選。
  • 上傳自己的聲音，轉成角色的聲音，出來的效果不好，沒有採用。
  • 用免費的開源工具在電腦上換聲，數字上音高都對齊了，我聽起來還是會跑調、怪怪的，試了兩種設定都不行就停了。
• 錢：以聲音來說，我覺得生成的費用還蠻能接受的。

項目	成本	說明
ElevenLabs	最低每月 6 美元	Starter 方案，每月 3 萬點，含商用授權；免費方案每月 1 萬點，可以先試。以 ElevenLabs 官網 2026 年 9 月的價格為準
Claude 付費方案	最低每月 20 美元	Pro 方案月繳，只有 Claude Code 版需要。以 Claude 官網 2026 年 9 月的價格為準
時間	前期選聲線最花時間	聲線和規格書定下來之後，每支新片的配音照配方套

ElevenLabs 是我目前覺得最好用的，但還是要很多經驗去調

回頭看，我卡最久的是一開始因為沒經驗，挑了很久都不確定哥布林到底要用什麼聲音。後來調了很多次，才有現在定案的戲謔感。

配音工具我實際試過 MiniMax 和 ElevenLabs 兩家。一開始查資料時 MiniMax 是主推，實際試聽下來，它的音色可以，情緒一演就不對。ElevenLabs 生成的音色比較好，真的讓它講台詞時，只要懂得設定，生出來的聲音品質比較高，也比較符合台灣的中文腔。

這是我目前覺得最好用的配音工具，但還是要很多經驗去調。