ElevenLabs 推出 Productions：引入人工精修，做自然配音與有聲書

AI 配音聽起來再逼真，一旦放到長篇有聲書或者激烈的體育解說裡，那個略顯僵硬的語氣和莫名其妙的停頓，還是很容易讓人出戲。

靠 AI 語音起家的 ElevenLabs 顯然很清楚這一點。9 月 15 日，他們推出了一個叫 Productions 的新業務，直接把人工服務塞進了自家的產品矩陣裡。

說白了，這是一套全託管的音訊製作服務。客戶負責提需求，ElevenLabs 用自家的 AI 模型生成底稿，再由專業的聲音工程師和語言學家進行人工精修，最後交付出聽感自然的成片。

機器打底，真人擦屁股

這套服務主要針對內容創作者、媒體機構和企業客戶，覆蓋了四個具體場景。

第一個是本地化配音與字幕。不只是簡單的多語言機翻，人工團隊會調整譯文在目標語境裡的表達習慣，確保海外觀眾聽起來不彆扭。

第二個是字幕與轉錄。官方特別強調了複雜場景的處理能力，比如多說話人交替的會議，或是語速極快的體育賽事直播。他們還提供了面向聽障人群的 SDH 字幕和隱藏式字幕。

第三個是大頭業務有聲書。無論是單人演播還是多角色廣播劇，團隊裡的音訊專家會逐句校對發音，精細調整每一句話的抑揚頓挫、重音和停頓。

第四個則是針對企業的定製化音色開發與音訊後期工程。

為了支撐這套體系，ElevenLabs 正在搭建一個全球製作人網路，招募母語語言學家和後期專業人員。這些兼職人員可以彈性排班，按任務結算薪酬，基礎報酬定在每音訊分鐘 1.20 美元起，平臺還會提供相關的培訓和認證。

為什麼重要

我們認為，ElevenLabs 推出這項服務，是生成式語音賽道從賣技術走向賣結果的一個標誌性動作。

對於創作者和中小出版機構來說，完全依賴純 AI 語音做有聲書或出海配音，質量往往卡在及格線上；而找傳統錄音棚和專業配音演員，成本又高到難以承受。Productions 這種 AI 生成加人工潤色的半托管模式，正好卡在一個性價比很舒服的甜點位，值得有出海或有聲書需求的中小團隊試一試。

從行業角度看，AI 音訊賽道的 API 價格戰已經打得非常慘烈。單靠賣每千字幾分錢的算力，天花板肉眼可見。ElevenLabs 開始做服務整合商，把技術包裝成高客單價的企業級服務，本質上是在向傳統本地化譯配公司和音訊外包機構搶飯碗。

這一步走得相當務實，它等於變相承認了在頂尖內容消費領域，純粹的 AI 依然跨不過最後那百分之十的人性化門檻。不過隱患也很明顯，搭建和管理一個龐大的跨國人工網路是極重的運營活，每分鐘 1.20 美元起的報酬能否留住真正高水平的母語配音和聽審專家，後續交付的品控會不會翻車，都會是 ElevenLabs 面臨的新考題。