ElevenLabs 上线 Dubbing v2 API：保留原声情绪，支持 90 多种语言

以前看 AI 译配的视频，总觉得角色像是被按下了没有感情的朗读键，原片的激情瞬间全没了。

ElevenLabs 正式把 Dubbing v2 搬上了 API，让开发者能把整套配音流程直接塞进自己的应用和工作流里。

情绪到位，连卡斯蒂利亚西语都能分清

这次 Dubbing v2 最核心的变化，是直接以原声表演为基准来生成配音。它不再死板地读稿子，而是能把原话里的语气、情绪和表达节奏保留下来，覆盖了 90 多种语言。

它还加入了同步感知翻译逻辑，译文说出的起止时间开箱就能自动贴合画面口型。

在细节上，新模型对地方口音更敏感，比如能清楚区分卡斯蒂利亚西班牙语与拉美西班牙语。遇到背景带音乐、音效或是多个人一起说话的复杂场面，处理起来也比以前更干净。

对企业来说，整套流程从翻译、音色克隆到对齐都可以一个接口搞定。如果对生成结果不满意，你可以自己上传字幕译本，或者直接在线修改某一句，只对改动的部分单独重新生成。

为什么重要

我们认为，ElevenLabs 这一步把跨国内容制作的门槛大幅拉低了。出海的自媒体团队或教育产品开发者，现在不需要再去拼凑字幕组和配音棚，调几个接口就能把本土化视频批量跑出来。

更聪明的地方在于它允许按片段差量重新生成。以往 AI 配音只要错一个词就得整段重跑，费时又费钱，支持局部编辑才算真正进入了生产力工具的可用区间。

不过，AI 自动同步口型和语速在极端长句翻译时依然可能面临压缩发音的隐患，在高度严肃或艺术要求极高的影视剧里，它目前看起来更适合打辅助，而不是完全替代专业配音师。