ElevenLabs 推出 Dubbing V2 端到端的AI配音模型... 最大的变化：配音不再是"先转写、再翻译、最后合成"三段式拼接，而是模型直接基于原始表演建模声音。 并将音色、情绪、演绎都跟着穿越进每一种语言 也就是说，同一个人开口讲六国语言，听上去还是他本人，连情绪和呼吸节奏都对得上 Dubbing v2 支持 90 多种语言和口音， 原理：它针对原始表演来生成，而不是针对一段转录文本，所以语气、情绪、表达方式会跨语言保留下来，声音克隆全自动，会给原说话人建一个声音模型并应用到所有目标语言，保留身份、音高和语气，不用手动设置。 另外支持音频、视频和文字三种输入 具体能力： • 音色穿越：不是模仿你的声音，是你的声音直接在另一种语言里说话 • 情绪保真：原片里你笑你叹气你激动，译版照样有 • 同步感知翻译：译文长度匹配原片口型和停顿，不会嘴动完了字幕还在跑 • 措辞本地化：不是字面直译，每种语言用自己的表达方式 • 端到端全自动：传一个视频进去出一份配音，中间没有手工拼接 视频里他们演了三个场景： MrBeast 风格的荒岛求生在 English/German/French 之间无缝切换 一段财务部门的快节奏对白试连贯性 一个童话故事试表达力

未来 7 天内，可以免费开始使用： 免费计划提供 1 分钟免费时长 入门计划提供 15 分钟免费时长 创作者+ 计划提供 30 分钟免费时长 详细：

这厉害了，如果Youtube官方用上，岂不是和X一样，所有人听到的都是自己国家的语言了？？

刷到这条推马上用了一下 确实牛逼啊

feels like we just unlocked “acting multilingual” without the actor actually learning any

总感觉elevenlabs像是默默放大招的感觉

ElevenLabs Dubbing v2 no longer three-step patchwork end-to-end model is the architecture shift

端到端语音确实是方向，这次直接跳过文本中转，能完美保留原始语气和情绪。相比单纯的翻译，这种对呼吸节奏和微小停顿的克隆，才是让配音跨越语言障碍、听起来像真人的灵魂所在。

我也自己开发了一个，虽然没有11lab这么牛，但胜在便宜

这一步有点吓人：配音终于不再像“另一个人在翻译你”，而像你本人突然多长了几套语言神经。它解决的不是发音问题，是表演连续性问题。以后跨语言内容的门槛会低很多，但观众还能不能分清“翻译过的你”和“被重建的你”？

太牛逼了

廣東話表現好嗎？

在视频上看,很想一个人说了六国语言,感觉在嘴部动作和呼吸和情绪基本一致