Claude 确实很牛逼，但他不是神。而且 Anthropic 在语音这块的投入相比于其他家是偏少的。 所以这个博主恰好说反了，现在 GPT 的付费模式还有 Gemini，它们都是原生的语音模式（Audio In, Audio Out）。 Claude 反而是现在这三家里面，还在坚持用 STT、TTT、TTS 三段式 Pipeline 的 AI 。 而且这里的因果关系也有点问题。 Eleven Labs 确实是 Claude 的供应商之一，但是 Eleven Labs 主要做的是 TTS（文字生成语音），它是“嘴巴”。 那博主说的能听出他语速过快的问题，这个是“耳朵”部分，也就是 STT 干的工作。而 STT 并不是 Eleven Labs 的主要工作。 其实，传统的 STT 是能够给句子带有一些标记的。 比方说，她可能用 10 秒就说完了一大长串话，或者是它把长难句中间没有停顿，这些 STT 都会记录，并且给出她语速过快的结论。 真正练英语，我建议还是用 ChatGPT 的付费模式。 虽然它那个语音模式的内核可能还是 GPT-4o，但是原生的那种聊天方式，感受是很好的。(0xTodd (Extended thinking))