ElevenLabs 聯手 Pictory AI：為自動生成影片配上擬真 AI 語音

做自媒體或營銷影片的人都知道，用 AI 拼素材、剪影片已經不稀奇了，但很多工具做出來的成品總差一口氣：畫面看著還行，AI 配音一開口卻一股十年前電子播報員的味道，觀眾聽兩秒就划走了。

這個問題現在有了新的解法。10 月 13 日，語音生成平臺 ElevenLabs 宣佈與影片創作工具 Pictory AI 達成合作，直接把自家的擬真語音生成能力塞進了 Pictory 的工作流裡。

給「文字變影片」換上一副好嗓子

Pictory 本身擅長的是文本轉影片，靠自己的演算法把文字指令碼或者部落格文章自動切片、配上對應的畫面素材。但過去這類工具最大的痛點，就是自帶的朗讀音質普遍比較生硬。

這次雙方打通後，創作者可以直接在 Pictory 內部呼叫 ElevenLabs 的語音技術。這次合作初期重點打磨的是英語和德語內容，目標使用者瞄準了創作者、博主、市場行銷人員和社媒運營。

最常見的用法包括幾類：把寫好的長篇部落格直接轉成短影片、把純文字指令碼快速做成帶畫面的小樣，或者給冗長的長影片做個提煉摘要。以前你得先讓 AI 剪好影片，再匯出音訊去別處配音、然後重新對軌，現在這一連串動作可以在一個流程裡搞定。

Pictory 首席產品官 Abid Ali 坦言，使用者最常提的要求就是希望能有更多更逼真的聲音。接入 ElevenLabs 後，這些影片終於能用到營銷展示、員工培訓和內部溝通等正經商業場景裡，不再顯得廉價。

ElevenLabs 執行長 Mati Staniszewski 也表示，這不只是簡單的技術拼接，而是在重新思考內容創作和消費的方式，給影片創作設立新的標準。

語音巨頭正在佔領每一個編輯器

對熟悉 ElevenLabs 的人來說，它家的招牌一直是極高的擬真度和情緒表達。此前它的聲音克隆技術、支援 32 種語言且保留原聲特色的 AI 翻譯配音，已經在遊戲原型製作、有聲書錄制以及虛擬伴侶等領域鋪開。

比如遊戲廠商 Paradox Interactive 此前就透露，用 ElevenLabs 給遊戲臺詞做早期原型，能幫音訊團隊設計出更豐富的聲音；而文學代理商也用它來做真人質感的有聲旁白。這次與 Pictory 聯手，相當於把這種高水準的聲音能力下放給了更大眾的短影片製作流。

不過目前來看，這次合作首波最佳化的語種相對有限，主要針對英語和德語圈。想要用到其他語言或者更復雜的聲音微調，可能還得等後續進一步打通。

為什麼重要

我們認為，這起合作很清晰地展示了生成式 AI 生產力工具接下來的演進方向：單點能力的工具正在快速走向拼圖式整合。

對個人創作者和中小團隊來說，這個更新非常實用。過去一個人做影片內容，找配音演員成本太高，用免費工具又容易被平臺判定為低質垃圾內容。現在用同一套自動化流程，就能產出聽起來像真人解說的成片，內容批量出海或做本地化傳播的門檻被徹底打了下來。只要你主打英語或德語市場，現在就很值得在日常工作流裡試一試。

對行業而言，影片生成賽道早就不缺能把文字切碎配畫面的工具，各家產品同質化嚴重。Pictory 沒有自己硬著頭皮去從頭訓練一套語音模型，而是果斷接入行業頭部的 ElevenLabs，我們覺得這一步走得很聰明。它把競爭焦點從「誰的自研模型更全」變成了「誰整合出來的最終成片質感最好」。

但這種模式也給工具開發者提了個醒：深度依賴第三方模型雖然能省下大筆自研與推理部署成本，卻也意味著核心體驗受制於人。一旦底層 API 調整計費、出現延遲或者斷服，前端影片工具的使用者體驗就會直接受到牽連。怎麼在外部頂尖技術與自研護城河之間拿捏平衡，會是這類整合商接下來要面對的現實問題。