我在构建基于语音对话的场景时遇到了一个问题：动态语音游戏需要大量的语音和实时音频，而显而易见的选择似乎是 ElevenLabs。

各位开发者如何在游戏中制作语音、音效和音乐呢？你们是单人开发者还是小型游戏工作室？

如果有人有一个相对容易估算成本的解决方案，请告诉我，因为我觉得 ElevenLabs 在快速消耗 Token。