ElevenLabs 结束 Beta 测试：发布 Multilingual v2，支持 28 种语言跨语克隆

想象一下，你录了一段自己的母语音频，AI 抓取你的音色后，不仅能用你的声音说流利的日语、阿拉伯语或芬兰语，还能把你在母语里那种略带沙哑的质感和说话口吻原汁原味地保留下来。

语音 AI 公司 ElevenLabs 正式结束了测试期，同时推出了全新的多语言语音生成基础模型 Eleven Multilingual v2。这家自 1 月推出平台以来的初创公司宣布，其全球用户量已经突破 100 万。

一副嗓子，直接说 28 种语言

这次更新的核心是 Eleven Multilingual v2 模型。用户只要在文本框里输入文字，模型就能自动识别近 30 种书面语言，并直接生成带有情绪起伏的高拟真语音。

新模型支持的语言扩展到了 28 种。这次新加入的包括中文、日文、韩文、荷兰语、土耳其语、瑞典语、印尼语、菲律宾语、乌克兰语、希腊语、捷克语、芬兰语、罗马尼亚语、丹麦语、保加利亚语、马来语、斯洛伐克语、克罗地亚语、标准阿拉伯语以及泰米尔语。加上此前已经支持的英语、德语、西班牙语、法语、意大利语、波兰语、葡萄牙语和印地语，基本覆盖了欧洲、亚洲和中东的主流受众。

最厉害的地方在于跨语言的声音一致性。无论是系统生成的合成声音，还是用户克隆的声音，在切换到任何一种新语言时，都会保留原有的声线特征甚至原始口音。结合之前面向所有创作者开放的专业声音克隆功能，任何人都能用自己几乎无可分辨的数字声音，去讲 28 种完全听不懂的语言。

ElevenLabs 表示，这项技术完全基于其历时 18 个月的自主研发，重点攻克了人类语音标记、语境理解和情绪传递等机制。目前，包括游戏开发商 Paradox Interactive、Embark Studios 以及 Storytel、D-ID、TheSoul Publishing 等公司都已经在业务中使用他们的技术。

公司还透露，接下来将上线一个声音共享机制，允许用户在平台上分享自己的声音并从中获取收益。

为什么重要

对于个人创作者和中小团队来说，跨语言内容出海的成本被瞬间拉低了。以前独立游戏开发者想把游戏推向十几个国家，配音成本是个天文数字；YouTube 视频作者想做多语种本地化，往往只能找生硬的机械朗读或花重金请外包。现在一个人加上一套克隆声音，就能批量输出保留情绪和辨识度的多语种配音，我们认为这会让跨国小团队的竞争力直接翻倍。

对行业而言，ElevenLabs 正在把语音合成的竞争门槛从单纯的拟真度推向跨语言的情绪表达。传统的跨语言 TTS 往往需要在每种语言下重新训练或换用完全不同的声线，而 ElevenLabs 把音色克隆与多语言生成做成了一个连贯的模型体系，这会逼着其他语音厂商加快多语言基座模型的自研进度。

不过，这种技术的普及也伴随着显而易见的风险。当任何人都能以极低门槛生成高度逼真、且带着特定人物音色的几十种语言音频时，跨国虚假信息传播、深度伪造诈骗的防范难度会成倍上升。虽然 ElevenLabs 强调已上线多项安全机制，但随着其走向正式商业化并计划推行声音共享变现，版权保护与反滥用防线仍将面临最严峻的考验。