Fish Audio eller ElevenLabs? Billigst er ikke bedst til alt

Fish Audio er det billigere abonnementsvalg til længere, regelmæssig voiceover, mens ElevenLabs kan koste mindre, når en creator kun producerer lidt tale. Stemmepladser, kommercielle rettigheder og muligheden for at gemme ubrugte credits kan dog være vigtigere end prisen pr. færdigt minut.

Begge tjenester understøtter dansk i relevante produkter, men den tilgængelige direkte måling af naturlighed, oplæsning og svartid bygger på engelske sætninger. Den afgør derfor ikke, hvilken tjeneste der udtaler dansk bedst. For en talende produktfunktion afhænger valget også af den konkrete model og dens streamingmuligheder.

Prisen ved kort, mellem og langt forbrug

Fish Audios Plus-pris er 15 dollar pr. måned ved månedsbetaling for 250.000 credits og op til 200 minutters generering; årsbetaling svarer til 11 dollar pr. måned og opkræves som 132 dollar. Planen omfatter 10 private stemmepladser, én professionel stemmeplads og kommerciel brug af verificerede stemmer, som brugeren ejer. Ubrugte minutter overføres ikke til næste abonnementsperiode, og API-forbrug afregnes særskilt.

ElevenLabs’ normale månedspriser er 6 dollar for Starter med 30.000 credits, 22 dollar for Creator med 121.000 og 99 dollar for Pro med 600.000. Starter har 10 pladser til tilpassede stemmer; Creator har 30 og én professionel stemmeklon. Betalte planer har kommerciel licens. Med Multilingual v2 koster ét teksttegn én credit, og andre produkter trækker fra samme pulje. Ubrugte credits kan overføres i op til to måneder på et aktivt betalt abonnement uden nedgradering.

Beregning efter offentliggjorte priser kontrolleret den 30. oktober 2026: Scenarierne antager kommerciel tale hver måned, betaling måned for måned i amerikanske dollar og 1.000 tegn i manuskriptet pr. minuts færdig tale hos ElevenLabs med Multilingual v2. Tegn pr. minut er en regneforudsætning, ikke en fast omregning: taletempo, pauser og tekstens form ændrer resultatet. Beløbene er før moms og valutaveksling, uden ekstra credits, særskilt API-forbrug eller overførte credits.

• 10 minutter om måneden: Et tænkt manuskript på 10.000 tegn bruger 10.000 ElevenLabs-credits. Starter dækker det til 6 dollar; Fish Audio Plus koster 15 dollar. ElevenLabs er 9 dollar billigere i dette scenario.
• 60 minutter om måneden: Med 60.000 tegn er Starter for lille, mens Creator dækker behovet for 22 dollar. Fish Audio Plus koster 15 dollar og er dermed 7 dollar billigere under forudsætningerne.
• 200 minutter om måneden: Med 200.000 tegn rækker Creator-kvoten ikke alene. Pro dækker behovet uden tillæg til 99 dollar, mens Fish Audio Plus angiver op til 200 minutter til 15 dollar. Forskellen mellem netop de to abonnementer er 84 dollar. Køb af ekstra ElevenLabs-credits kan give en anden samlet pris; den fremgår ikke af de faste abonnementspriser.

Fish Audios lavere årspris kræver betaling for et helt år. Ved ujævne udgivelser kan ElevenLabs’ overførte credits derimod dække en senere travl måned uden et højere fast abonnement. Fish Audios angivelse af »op til« 200 minutter er samtidig en øvre grænse, ikke et løfte om samme spilletid for enhver tekst og model.

Stemmepladser og kommercielle rettigheder

De to tjenesters stemmepladser beskriver forskellige ydelser. Fish Audios private stemmepladser handler om stemmer, der ikke deles offentligt, mens ElevenLabs’ tilpassede stemmepladser angiver, hvor mange egne stemmer kontoen kan gemme. Tallene bør derfor ikke lægges ved siden af hinanden som identiske kapacitetsmål. For en creator med flere serier eller kundestemmer kan typen af plads få betydning før månedens genereringskvote er brugt.

ElevenLabs giver adgang til hurtig stemmekloning på Starter, mens professionel stemmekloning ligger på Creator. Fish Audio Plus omfatter forbedret kloning og en professionel stemmeplads. Et projekt, der kræver en bestemt klonet fortællerstemme, kan derfor have andre planbehov end et projekt, der bruger en eksisterende stemme. Den relevante pris er prisen for den nødvendige funktion, ikke blot tjenestens billigste betalte plan.

Kommerciel licens til genereret output giver ikke i sig selv ret til at kopiere en anden persons stemme. Fish Audio knytter kommerciel brug af verificerede stemmer til stemmer, brugeren ejer; hos ElevenLabs følger kommerciel licens med betalte planer, mens professionel kloning er en særskilt abonnementsfunktion. Rettighederne til den konkrete stemme er dermed et selvstændigt kriterium, når en virksomhed vil bruge samme genkendelige fortæller i flere produktioner.

Dansk findes, men sproglisten må læses præcist

Fish Audios agentdokumentation har dansk blandt 52 valgbare talesprog for samtaleagenter. Her vælges talesprog og stemmemodel uafhængigt af hinanden, og dokumentationen anbefaler en stemme, der lyder naturlig på det valgte sprog. Oplysningen gælder agentens samtalesprog; den må ikke læses som en kvalitetsmåling af dansk voiceover.

ElevenLabs’ modeloversigt fører dansk på sproglisterne for Multilingual v2, Flash v2.5 og Eleven v3. Multilingual v2 er rettet mod blandt andet voiceover, mens Flash v2.5 er udviklet til lav svartid. Understøttelse af dansk siger derfor ikke, at modellerne giver samme udtale, rytme eller leveringstid.

Et dansk manuskript med navne, forkortelser, beløb og stednavne er mere relevant for valget end en engelsk demosætning. Ved indtalt video høres fejl i tryk og rytme i den færdige udgivelse. I en stemmeagent kommer svartid og oplæsning af tal eller navne oveni. Det er den stemme og model, produktionen faktisk skal bruge, der skal vurderes.

Engelsk måling: næsten ens naturlighed, forskellig opgaveprofil

Cekuras modelmåling giver ElevenLabs v3 og Fish Audio S2.1-Pro henholdsvis 4,41 og 4,40 i estimeret naturlighed på en skala til fem. Fish-modellen fik 92,0 procent af de vanskelige passager registreret som korrekt oplæst mod 87,2 procent for ElevenLabs-modellen. De viste sætninger er på engelsk og ligner replikker fra en telefonagent med blandt andet datoer, koder og navne.

Naturlighedsscoren er en maskinelt estimeret lyttevurdering, og korrekt oplæsning vurderes via automatisk transskription frem for menneskelige dommere. Forskellen på 0,01 i naturlighed giver derfor ikke en sikker rangorden for fortællerstemmer eller et mål for dansk udtale. Fordelen ved de svære passager gælder dette testsæt og kan ændre sig med ordene og formaterne i en reel produktion.

Uden streaming kom den første lyd efter en median på 320 millisekunder fra ElevenLabs v3 mod 333 fra Fish Audio S2.1-Pro. I den testede streamingopsætning står Fish-modellen til 321 millisekunder, mens ElevenLabs-konfigurationen er markeret uden en tilsvarende streamingmåling. Det beskriver de testede modeller og opsætninger, ikke begge platformes samlede muligheder. Til en dansk stemmeagent må beslutningen derfor også bygge på egne danske ytringer og den streamingmodel, der skal bruges.

Læs også:

• Shopify eller WooCommerce? Hastighed kræver ikke samme arbejde
• Mimir eller Munin? Den lille danske model vinder ikke alle opgaver
• Cursor eller GitHub Copilot? Opgavetypen slår den billigste månedspris