ElevenLabs 上線 Dubbing v2 API：保留原聲情緒，支援 90 多種語言

以前看 AI 譯配的影片，總覺得角色像是被按下了沒有感情的朗讀鍵，原片的激情瞬間全沒了。

ElevenLabs 正式把 Dubbing v2 搬上了 API，讓開發者能把整套配音流程直接塞進自己的應用和工作流裡。

情緒到位，連卡斯蒂利亞西語都能分清

這次 Dubbing v2 最核心的變化，是直接以原聲表演為基準來生成配音。它不再死板地讀稿子，而是能把原話裡的語氣、情緒和表達節奏保留下來，覆蓋了 90 多種語言。

它還加入了同步感知翻譯邏輯，譯文說出的起止時間開箱就能自動貼合畫面口型。

在細節上，新模型對地方口音更敏感，比如能清楚區分卡斯蒂利亞西班牙語與拉美西班牙語。遇到背景帶音樂、音效或是多個人一起說話的複雜場面，處理起來也比以前更乾淨。

對企業來說，整套流程從翻譯、音色克隆到對齊都可以一個介面搞定。如果對生成結果不滿意，你可以自己上傳字幕譯本，或者直接線上修改某一句，只對改動的部分單獨重新生成。

為什麼重要

我們認為，ElevenLabs 這一步把跨國內容製作的門檻大幅拉低了。出海的自媒體團隊或教育產品開發者，現在不需要再去拼湊字幕組和配音棚，調幾個介面就能把本土化影片批次跑出來。

更聰明的地方在於它允許按片段差量重新生成。以往 AI 配音只要錯一個詞就得整段重跑，費時又費錢，支援區域性編輯才算真正進入了生產力工具的可用區間。

不過，AI 自動同步口型和語速在極端長句翻譯時依然可能面臨壓縮發音的隱患，在高度嚴肅或藝術要求極高的影視劇裡，它目前看起來更適合打輔助，而不是完全替代專業配音師。