ElevenLabs 推出 V3 声音模型: 支持 70 多种语言，可通过标签控制情感、语气

技术突破: 更自然的对话与情感表达

Elevenv3 引入了全新的架构，能够更深入地理解文本语义，显著提升语音的表现力。相比前代模型，v3 支持 70 多种语言，并能处理多角色对话场景，模拟真实交谈中的语气变化、情感起伏甚至中断等自然特性。通过新增的音频标签功能，用户可以直接使用类似 [sad]、[angry]、[whispers] 或 [laughs] 的标签，精确控制语音的情感表达和非语言反应，例如笑声或叹息。这种细粒度的控制为创作者提供了前所未有的灵活性，特别适用于电影配音、音频书制作和游戏语音设计。

应用场景: 赋能创作者与开发者

ElevenLabs 特别强调 v3 模型为内容创作者和媒体工具开发者量身打造。无论是制作引人入胜的视频旁白、情感丰富的音频书，还是开发交互式媒体工具，v3 的高表现力都能显著提升用户体验。此外，模型支持多达 32 个不同说话者的识别与区分，为多人对话场景提供了强大支持。这使得 v3 在教育、娱乐和企业级应用 （如 AI 客服中心） 中具有广泛的应用前景。

公测与优惠: 开发者与创作者的福音

Elevenv3 现已进入公开 Alpha 测试阶段，并于 6 月期间提供 80% 的折扣，鼓励用户体验其强大功能。ElevenLabs 还宣布，v3 的公共 API 即将推出，开发者可通过联系销售团队获得早期访问权限。对于实时和对话场景，ElevenLabs 建议暂时继续使用 v2.5Turbo 或 Flash 模型，v3 的实时版本也在开发中，预计将进一步拓展其应用范围。

行业影响: 引领 AI 语音新潮流

随着 AI 语音技术的快速发展，ElevenLabsv3 的推出无疑加剧了行业竞争。此前，ElevenLabs 凭借其高精度语音克隆和文本转语音技术，已在音频书、配音和 AI 客服领域占据重要地位。v3 的发布进一步巩固了其领先优势，尤其是在与 OpenAIWhisperv3、GoogleGemini2.0 等模型的竞争中，v3 在多语言支持和情感表达上的表现尤为突出。X 平台上已有用户称 v3 为 「地表最强文本转语音模型」，足见其影响力。

ElevenLabs 表示，v3 只是其技术路线图中的一步，未来将持续优化模型性能，推出低延迟版本以支持实时应用，并进一步扩展语言支持和场景适配。AIbase 认为，v3 的发布不仅标志着 ElevenLabs 在 AI 语音领域的技术突破，也为内容创作和人机交互开启了全新可能。随着技术的普及，AI 语音有望成为数字内容创作的核心驱动力。

AIbase 将持续关注 ElevenLabs 及 AI 语音技术的最新进展，为您带来前沿资讯。