ElevenLabs 升级 MCP 插件：在 Claude 和 ChatGPT 里直接生成音视频

过去用 AI 做一条带配音的短视频，流程通常是这样的：先在聊天机器人里写好脚本，复制到图像工具里生图，再去另一个平台转成视频，最后打开 ElevenLabs 配音和挑背景音乐，中途光是切标签页和导文件就能把人逼疯。

现在 ElevenLabs 打算把这套繁琐的搬运工流程给省了。9 月 14 日，ElevenLabs 宣布扩充旗下的 MCP 连接器，把语音、音乐、图像和视频生成能力全部打包塞进了各大主流 AI 助手里。

只要在 Claude、ChatGPT、Cursor、Grokbot 或者 Hermes 里完成一次安装和 OAuth 授权，你就不需要配置任何服务器，也不用去翻找和粘贴 API 密钥，直接用大白话在对话框里指挥生成。

聊天框直接变成多媒体制作台

这次更新最直接的变化，就是把以往散落在各处的创作工具拢在了一起。ElevenLabs 这个连接器底层接入了超过 50 个模型，几乎覆盖了全套内容创作流程。

在语音方面，你只要随口描述想要的情绪和语调，系统就会调用声音库直接在对话框里吐出音频，省掉了到处导出的步骤。

如果是音频处理，甩进去一段录音，内置的 Scribe 模型能输出支持 99 种语言的高精度文字转录，而且自带发言人标签和时间戳。需要多语言出海时，直接让它调用配音功能，原声音色和语气都能保留下来。

画面和旋律也没有落下。除了能根据指令生成指定风格的纯音乐或带人声配乐，它还整合了顶尖的图像与视频模型。你可以在同一个对话框里先生成图片，再让它动起来，甚至直接给画面人物加上对口型动画。

ElevenLabs 在工作流上打通得挺彻底。这个连接器其实就是此前驱动 ElevenLabs Agents 的同一个 MCP，团队之前要是已经接入过，现在无需重复配置就能直接用。而且 ElevenLabs Flows 流程画布上的每一个功能节点，现在都能通过这个 MCP 唤起。

做完不跑丢，直接进 Studio 精修

很多人用聊天机器人做多媒体内容，最怕的就是碎片文件乱成一团，回过头找不到素材。

ElevenLabs 的处理方式是把所有对话中生成的资产，自动同步回你的 ElevenCreative 云端工作区。

这就形成了一个很顺手的双层协作逻辑：在聊天框里，你靠大白话快速拉出初稿和各种素材；需要精剪时，直接打开 ElevenCreative 里的 Studio，在时间线上微调旁白轨、叠加多层音效和音乐垫乐，最后再导出成片。

企业用户关心的安全问题也有交代。工作区管理员能自主决定连接器开放哪些工具调用权限，并在接入时勾选数据驻留范围，防止权限失控。

目前这个连接器已经在 Claude、ChatGPT 和 Cursor 等平台的插件或连接器目录上线，几步点击就能绑好。

为什么重要

对于个人创作者和独立开发者来说，这件事的价值在于把原本割裂的 AI 生产线折叠进了一个输入框里。以前把一份简报做成短视频，要换三四个工具、买几份订阅，现在一个对话线程里就能把文案、旁白、配乐、画面和对口型全部串起来，试错成本被大幅拉低。如果你日常就在用 Claude 或 Cursor，现在就非常值得装上试试。

我们认为，ElevenLabs 这一步走得相当精明。它没有死守自家网站的流量入口，而是认清了现实：创作者的起点早就转移到了各类对话助手和代码编辑器里。借着 MCP 这个开源协议，ElevenLabs 顺水推舟把自己变成了各大助手的默认多媒体底层，既卖了自己的音频看家本领，又顺带分发了第三方音视频模型。

从行业竞争来看，这也给其他单点 AI 工具提了个醒。光做单纯的文生图或单一模型已经不够了，谁能最快嵌入用户的日常工作界面，谁才能锁住粘性。不过这种打法也有潜在隐患：用户在外部对话框里玩得越开心，对原生平台的品牌感知就越弱；再加上底层依赖 50 多个不同模型，跨模态协同生成时的画风一致性和调用延迟，依然需要团队在后续更新中持续打磨。