用途：把语音生成当作选角、脚本改编、表演指导、渲染与后期，而非一次 API 调用；面向旁白、角色表演、多语言媒体、长文配音等场景。
主要能力：按任务选择模型（eleven_v3 表现力强、支持内联音频标签与 IPA，5,000 字符/请求、70+ 语言，但不支持 TTS 输入 WebSocket、请求拼接与 SSML break 标签；eleven_multilingual_v2 适合稳定长文，10,000 字符/请求、29 语言，不支持 language_code；eleven_flash_v2_5 低延迟，40,000 字符/请求、32 语言；eleven_flash_v2 仅英语、支持音素标签）。选角途径包括 Voice Library/社区 PVC、Voice Design、IVC（建议约 1–2 分钟干净单人音频）与 PVC（仅限克隆本人声音，建议至少 1 小时、理想约 3 小时干净单人语音，不支持歌唱训练）。
使用方式：先写生产契约（受众、语言、媒介、表演、时长、延迟模式、身份要求、发音表、交付格式、权利与预算）；用真实脚本最难片段试听；把编辑稿转为口语稿，显式展开日期、金额、缩写、URL 等；发音按“改写→本地语音→别名词典→模型音素控制”逐级处理；v2/Flash 可调 stability、similarity_boost、style、use_speaker_boost、speed（0.7–1.2），v3 用 Creative/Natural/Robust 与内联标签；长文按段落或句界切分，携带 previous_text/next_text 或请求拼接（v3 不支持），逐缝试听。API 可选完整响应、HTTP 流式、输入 WebSocket（不支持 v3，空闲 20 秒关闭）及时间戳端点。
限制：不涉及音乐/音效生成、对话系统、语音转语音、通用转录/配音/本地化与法律结论；语音转文字仅作质检信号，不能替代人耳试听。模型与政策信息易变，执行前应查询 GET /v1/models 并核对当前 API 参考、套餐权益与条款；种子不保证确定性。