Murf 推出 Falcon 2：号称实时语音代理里最快的 TTS，1 美分一分钟，10 秒音频就能克隆品牌声音

一句话结论

Murf 把旗下 TTS 产品升级到了 Falcon 2，主打"给实时语音代理用"：首字节延迟低于 100 毫秒，每分钟 1 美分（厂商口径），并开放 10 秒音频克隆品牌声音 的能力（面向企业版）。官方同时声称，在 Artificial Analysis 的自然度榜上，它超过了 ElevenLabs 的实时模型。

3 分钟看懂

做语音客服、外呼机器人、实时对话产品的团队，过去几年几乎都卡在同一个矛盾上：想要"像 ElevenLabs 那样自然的合成音"，就得接受较高的延迟和价格；想要"快且便宜"，声音又会变得机械。Falcon 2 想打破的就是这个三角——同时打"低延迟、低成本、可控声音"三张牌。

• 它是 Murf 平台（murf.ai）的新一代实时 TTS 模型，明确面向 voice agents 而不是配音/有声书场景。
• 厂商给出的核心卖点：sub-100ms TTFA（time-to-first-audio，首字节音频延迟）、1 美分/分钟 的价格、按 10 秒 录音即可克隆一个品牌专属声音。
• 厂商在官网直接对比 ElevenLabs 的实时模型：声称在 Artificial Analysis 自然度榜上排名更靠前。这部分属于厂商自述，普通读者使用前建议自己跑一遍同一段脚本对比。

核心参数与定位

• 延迟：TTFA 持续低于 100ms（厂商口径），按区域分布看，多数区域排名第一。这是它和传统 TTS 最大的区别——传统 TTS 通常需要等整句生成完再播放。
• 价格：1 cent/minute（约每分钟 1 美分）。作为对比，主流商用实时 TTS 多在 3~15 美分/分钟区间。如果价格属实，对大规模电话客服/IVR 来说是数量级的差距。
• 克隆能力：仅企业版可用，仅需 10 秒 录音。这是较低门槛的 few-shot / zero-shot 克隆路径，适合"一个品牌一个声音"的稳定人设。
• 基准排名：Falcon 2 在 Artificial Analysis 自然度榜上声称排名 #1，且"outranks ElevenLabs' real-time models"。该榜单以"用同一个克隆声横评所有模型"控制变量，主要看模型本身而不是声纹。
• 多语言与多区域：主打多区域低延迟一致性，强调"全球可用"，具体语种/口音清单以官方定价页/产品页为准。

怎么用

• 入口：Murf 官网 murf.ai/falcon，定位是面向开发者与企业的实时 TTS API，而非传统配音工坊。
• 接入路径：先在 Murf 后台申请 API key → 选择 Falcon 2 模型 → 如需品牌声音，按要求上传约 10 秒干净参考音频 → 在 voice agent 框架（典型如 Pipecat、Vocode、LiveKit Agents、自研 pipeline）里把 TTS 节点换成 Falcon 2。
• 声音克隆：仅企业版开放，自助开发者账号暂未公开标价，建议直接联系销售确认配额与商用条款。
• 可测试方式：murf.ai/falcon 页内提供"live agent"演示，可以在线对话实测延迟与拟真度，建议用自己的典型话术跑一遍而不是只看 demo。

适用场景

• 实时语音客服/外呼机器人：延迟敏感、量大、对单条成本敏感。
• 品牌一致性强的语音 IVR / 智能助手：克隆一个固定"品牌声音"，避免每次合成听起来都不同。
• 多区域语音产品：在不同地理区域都需要稳定低延迟的对话体验。
• 电话侧 AI agent 集成：和 ASR、对话管理、LLM 串联时，TTFA 直接决定"对话是否自然"的听感。

不适用场景

• 离线长音频后期/有声书/播客：Falcon 2 的设计目标是低延迟实时流式合成，不适合追求电影级配乐、精细情绪曲线、多角色对话的离线场景——这类仍是 ElevenLabs、Cartesia 等更高端档的强项。
• 极高质量拟真克隆：10 秒克隆对"够用的品牌音"是合适的，但如果你要的是"和某个真实人物几不可辨"的克隆，仍然需要更长的参考音频和带 fine-tune 的方案。
• 预算极敏感但又走量巨大的场景：1 cent/min 看似便宜，但每通 5 分钟的对话仍是 5 美分/月百万通级别的开销，需要算 LTV。

避坑

• "自然度 #1"是厂商口径：Artificial Analysis 是公开榜单，但 Murf 引用的是它自己的版本，且对比对象是 ElevenLabs 的"实时模型"而不是完整产品线。自己用同一段脚本、同一参考声跑一遍再下结论。
• 10 秒克隆 ≠ 任意声纹都稳：背景噪音、回声、远场麦克风采集的样本会显著拉低克隆质量。建议用近场干声、48kHz/16bit 干净 wav，避开 BGM。
• 企业版定价不透明：murf.ai/falcon 页未直接列出 10 秒克隆的 API 价格，按惯例需要走销售报价。提前问清楚最低承诺、并发上限、克隆声数量限制。
• TTFA 不是端到端延迟：TTFA 只是 TTS 第一块音频出来的速度，最终对话节奏还受 ASR、LLM、网络抖动影响，部署时要做 full-loop 压测。
• 克隆合规：必须确认参考音频有合法授权（本人/品牌授权），欧盟/部分美国州对 AI 声音克隆有合规要求，不要省这一步。

成本/时间

• 价格：1 cent/minute（约 0.01 美元/分钟）。折算 1 小时约 0.6 美元，1000 通 5 分钟通话 ≈ 50 美元。
• 接入时间：如果只用通用声音、走自助 API，预计 1~2 天可以跑通 demo；要做品牌克隆、走企业版，预计需要 1~2 周完成对接、合同、合规审核。
• 对比 ElevenLabs 实时模型：Murf 官方声称价格更低且自然度更高，需用同样的英文/中文脚本分别测一段再决定。

行动建议

• 做实时语音 agent 的团队：值得花半天时间用 Murf Falcon 2 跑一遍同一段脚本，重点看 TTFA 在自己的网络/区域下是否真的稳低于 100ms，以及 1 cent/min 的实际账单和 ElevenLabs 比起来差多少。
• 做品牌一致性 IVR 的团队：可以先用 10 秒参考音频申请一个试用克隆，做内部 A/B 对比。但先把合同条款、合规要求、企业版配额问清楚再放量。
• 做配音/有声书的团队：Falcon 2 不是为这类场景设计的，不要为了"便宜"换掉现有方案；如果一定要试，建议只用在样板/草稿阶段，正式成品仍走高端模型。

来源

• 官方产品页：<https://murf.ai/falcon>
• 官方主页：<https://murf.ai/>
• 注：本次报道基于 Murf 官网产品页与定价/benchmark 自述，部分指标（如"自然度超过 ElevenLabs 实时模型"、"TTFA 持续低于 100ms"）属于厂商口径，引入生产环境前建议独立复测。

参考来源

• https://murf.ai/falcon