ElevenLabs发布V3语音模型：兼容超70种语言，并以标签调节情绪与语调

ElevenLabs于2025年6月5日正式发布了其最新文本转语音模型Eleven v3（Alpha版），该模型在情感表达、对话自然度和多语言支持方面实现了重大突破，被誉为目前最具表现力的TTS模型之一。

技术突破

• 情感与语气控制：Eleven v3引入了全新的音频标签系统，用户可以通过类似
  
  
  

  s
  a
  d
  
  
  
  、
  
  
  

  an
  g
  ry
  
  
  
  、
  
  
  

  w
  hi
  s
  p
  ers
  
  
  
  、
  
  
  

  l
  a
  ug
  h
  s
  
  
  
  等标签，精确控制语音的情感表达和非语言反应。例如，在文本中加入
  
  
  

  l
  a
  ug
  h
  s
  
  
  
  标签，模型会生成真实的笑声，而非简单的“哈哈”文本替代。

• 多语言支持：v3支持超过70种语言，不仅适用于英语母语者，也能满足中文、日语、西班牙语等多语言内容创作需求。

• 多角色对话：能够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。无论是切换语言、处理停顿，还是模拟对话中的思考与中断，v3都能表现出接近人类水平的自然流畅度。

应用场景

• 内容创作：适用于制作引人入胜的视频旁白、情感丰富的音频书，以及开发交互式媒体工具。在影视制作中，v3可以为角色生成个性化的配音；在教育领域，它能够将教材转化为多语言有声内容。

• 企业级应用：可应用于AI客服中心，打造24小时在线的数字分身，流畅应对客户需求。

其他信息

• 公测与优惠：Eleven v3现已进入公开Alpha测试阶段，并于6月期间提供80%的折扣。

• 未来展望：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。