ElevenLabs Quality Check
ElevenLabs 生成出来的 first draft，很多时候只是“能播”，还远不到“能上线”。真正拉开差距的，往往不是你选了哪个 voice，而是你有没有做一轮像样的 QA。尤其是现在官方已经支持更丰富的输出格式、Dubbing、多 speaker 和 pronunciation dictionaries，质量问题反而更容易藏在细节里。
#先查这四类问题
很多团队第一次做 QA，会只戴耳机听一遍，然后凭一句“还不错”就过。这样最容易漏掉的，偏偏就是术语、数字和切片衔接这些上线后最容易被用户指出来的问题。
#1. 发音问题
- 品牌名、产品名、英文缩写有没有读错
- 数字、日期、金额单位有没有读得奇怪
- mixed EN/ZH 场景里有没有卡顿或错误切换
- 术语是不是前后两段读法不一致
这类问题最容易被忽略，因为整体听感可能还不错，但业务上已经不能用了。
#2. 节奏问题
- 停顿是不是太短或太长
- 句尾是不是收得太硬
- 重点信息有没有真正被强调
- 长句是不是被念成一口气读完
节奏问题常常不是 voice 本身的问题，而是 script 写法和标点设置就不适合被读出来。
#3. 音质问题
- 有没有爆音、齿音过重或异常噪点
- 前后片段音量是否一致
- 拼接位置有没有明显断层
- 导出格式是不是符合最终播放场景
官方 help center 现在已经把常见音频格式和采样规格写得很清楚，但“支持导出”不等于“适合你的发布场景”。
#4. 情绪问题
- 广告口播是不是太平
- 教学旁白是不是过度表演
- 说明类内容是不是显得太冷
- 多语言版本之间的情绪是否明显失衡
很多成片不是听起来不好，而是情绪和内容类型对不上。
#质检时别只听“好不好听”
真实业务里更重要的往往是：
- 信息有没有准确传达
- 用户会不会因为某个奇怪读法出戏
- 这套 voice 和 script 能不能复用到下一批内容
- 出问题时能不能定位到具体 voice、model、格式和片段
如果一段音频很好听，但术语读错了，在课程、产品演示、广告和品牌视频里一样不能上线。
#一个更实用的 QA 流程
- 先整段通听，标记明显问题位置
- 再按术语、数字、停顿和情绪做第二轮检查
- 有问题的段落优先局部重生成，不要整片重跑
- 最后把成片放到真实播放环境里再听一次
耳机里没问题，不代表手机外放、课程平台或短视频环境也没问题。
如果内容要发到 YouTube、课程站或广告平台，我通常会多做一步：把字幕和音频一起过一遍。因为有些问题不是“听起来错了”，而是字幕时长、画面节奏和读法一组合，就显得整段很别扭。
#建议保留的记录
- 原 script 版本
- 使用的 voice 和 model
- 输出格式
- pronunciation dictionary 或特殊设置
- 被重生成的片段位置
- 最终上线版本号
这些记录在第二次复用或追 bug 时会非常有用。
很多人做到第三批内容时才意识到，自己根本记不住上一批为什么这支 voice 好、那支 voice 不稳定。到那一步再补记录，已经晚了。
