0xTodd ( thinking )(@0xTodd):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。

2026.04.07 01:44

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。

早见Hayami@Hayami_kiraa

2026.04.06 17:55

我再一次被 Claude 震惊到了。众多周知拿 AI 练英语已经不是什么新鲜事了，但主流软件基本都是这个 pipeline：STT (speech-to-text) → LLM processes text → TTS (text-to-speech). 即把语音转为文字先，再进行处理。所以在这过程中，真正口语里需要练习的清晰度、语速、情感含量都是无法被解析的。但 Claude 是第一个 AI, 在和我语音对话的时候指出了我“语速过快”的问题。还把我之前一直说的痛点连起来了，然后给了我示范，哪句话需要暂停一下，呼吸一下，再继续。顺便搜了一下，gemini 和 chatgpt 都没有做到这个功能，因为它们语音功能还是自研的。但 Claude 是外包给了一家第三方叫 ElevenLabs 的公司。这家公司2022年才成立，如今到110亿估值只用了不到4年，增长速度非常惊人。这个功能实在太惊艳了，感觉语音交互上了一个全新的台阶。以后就用 Claude 做口语 coach 了！