ElevenLabs 上线 AI 配音工具：翻译语音还能保留本人音色

看海外博主的视频或者译制片时，最别扭的往往不是听不懂，而是配音演员一开口，原片那种自然的情绪和独有的音色全没了。

做语音 AI 的 ElevenLabs 想彻底改掉这个痛点。10 月 10 日，ElevenLabs 正式上线了全新的 AI Dubbing（AI 配音）工具，主打在几分钟内把音视频翻译成其他语言，而且完全保留原讲述者自己的声音。

让你自己的声音无缝说出 20 种语言

以往的内容出海，要么老老实实加双语字幕，要么花大价钱请多语种配音演员重新录一遍。ElevenLabs 这次交出的方案，走的是全流程自动化的路子。

这个工具依托于此前发布的 Eleven Multilingual v2 模型，目前支持超过 20 种语言互译，包括印地语、葡萄牙语、西班牙语、日语、乌克兰语、波兰语和阿拉伯语等。

它最亮眼的地方在于不仅克隆音色，还会尽量还原说话时的情绪起伏和语调。说白了，你在原视频里激昂还是低沉，翻译过去的西班牙语或日语版本里，依然能听出那种感觉，而不是平淡无奇的机器朗读腔。

另外，现实里的视频很少是单一无杂音的人声。ElevenLabs 专门开发了自己的多说话人检测算法与降噪技术，能把背景音乐、环境杂音和人声对话剥离开来。如果一段视频里有几个人在讨论，系统能自动识别出谁是谁，给每个人分配对应的音色克隆，不会混在一起。

这项功能之前，ElevenLabs 还刚刚推出了针对长音频生成与编辑的 Studio 工具，支持角色分配、停顿插入和片段重新生成。AI Dubbing 算是给他们的音频工具箱补上了本地化翻译这块最关键的拼图。

为什么重要

我们认为，AI Dubbing 对内容创作者来说是一次分发维度的质变。ElevenLabs 提到过一组数据：全球只有 6% 的人以英语为母语，75% 的人根本不说英语。过去中腰部个人博主想要做海外多语种矩阵，成本高到根本不现实；现在只要点几下鼠标，几分钟就能低成本生成多语种版本，出海门槛被直接打到了地板上。

对行业而言，传统的本地化译制公司和初级商业配音员会面临极其现实的冲击。以往动辄按小时计费、耗时数周的外语配音外包流程，在速度和成本上完全没办法和 AI 自动化工具抗衡。

ElevenLabs 这步棋走得非常聪明，他们没有停留在单纯的文本转语音 API，而是顺着创作者的工作流，把人声分离、去噪、多说话人识别和跨语言克隆打包成现成产品。不过隐患也显而易见：这次官方并没有提及口型匹配（Lip-sync）功能，如果画面里的口型和外语发音严重脱节，沉浸感依然会打折扣。如何把语音本地化与面部口型合成结合起来，看起来才是多模态翻译真正的终局战场。