ElevenLabs 推出 Dubbing V2：端到端 AI 配音模型
ElevenLabs 发布全新 Dubbing V2 端到端 AI 配音模型。该模型摒弃了传统的“转写-翻译-合成”三段式流程，直接基于原始表演进行声音建模。它支持 90 多种语言和口音，能完美保留原说话人的音色、情绪、呼吸节奏及身份特征，实现音色穿越和情绪保真。同时支持音频、视频及文字输入，提供限时免费体验。
相关文档
创作者 MCP 大全：做图、视频、语音、剪辑，装上就能用（含免费开源）
本文面向内容创作者，系统整理了可实际使用的 MCP（Model Context Protocol）工具清单，涵盖做图、视频、语音配音、剪辑字幕、设计衔接和音乐六大场景。作者推荐 Sunra（聚合多家图片/视频/音频模型）、Magnific、ElevenLabs（配音）、Palmier Pro 和 DaVinci Resolve MCP（剪辑）、Figma MCP（设计）等，并提醒避开 Midjourney、Suno 等非官方第三方封装的 MCP。文中还给出安装方法、费用说明及五个常见踩坑提醒：认准官方网址版、注意账户余额、保护授权密钥、区分 Skill 与 MCP、先装一个用熟。
ElevenLabs v4 上手评测：最有感情的一代语音模型
作者第一时间实测了 ElevenLabs v4 语音模型。该模型被官方称为“最有感情”的一代，能读懂语气、节奏和情绪，无需 SSML 即可通过文案直接指挥表演；即时语音克隆仅需10秒音频，专业克隆保真度更高。v4 支持90+种语言（上代70种），中日文提升最大，长篇创作中说话者身份保留更可靠。Turbo 版延迟压至100ms，适合实时语音智能体。API 定价千字 $0.08，10月12日前有促销。作者认为质感起飞，适合短剧、播客、AI配音场景，但中文音色仍偏少，评论区对中文效果评价不一。
用ElevenLabs Dubbing把中文视频快速做成多语种版本全攻略
本文介绍如何使用ElevenLabs的Dubbing工具将中文视频快速制作成多语种版本。Dubbing v2支持90多种语言翻译，可保留说话人音色、情绪与背景音。文章详细讲解源视频准备、术语表建立、上传导出流程、转写翻译配音的校对顺序，以及成片验收的五个检查点（信息准确、声音节奏、混音同步等）。建议先用短样片测试，再逐语言扩展，人工负责专有名词与事实核对，适合课程、产品演示和访谈类内容出海。
词光：免费开源的雅思背词网站
作者开发了一个免费开源的雅思背单词网站「词光」，收录 7298 个雅思词汇，每个词配有原创插画、英音美音发音和例句真人配音（使用 ElevenLabs 生成）。网站无需注册即可使用，通过词汇星图点亮星星的互动方式增加学习趣味。文章发布后获得大量好评，网友建议包括做成 App、支持自定义每日单词量、优化字体、改善配图记忆技巧等，作者均积极回应并表示会跟进改进，还计划支持初高中词库和扩展到其他学习领域。
当前主流 TTS 文字转语音方案梳理
文章系统梳理了 2026 年主流开源 TTS 方案：CosyVoice 2 低延迟流式，适合实时语音 Agent 与数字人；GPT-SoVITS 擅长小样本音色微调与克隆；ChatTTS 拟人口语自然，适合 AI 播客；F5-TTS 与 Breeze-TTS 2 基于流匹配免对齐克隆，稳定性好；Fish Audio Drama 3 情绪表现力全面但算力要求高；MaskGCT 鲁棒性强，可处理气声耳语等极端发音；KittenTTS 2 体积极小，可在 CPU 端侧运行。各方案定位不同，读者可按延迟、音色、表现力与资源需求选型。
Ming-3.0-TTS 实操：声音克隆、原创音色和停顿控制，我都测试了一遍
作者实测蚂蚁灵波开源的 Ming-3.0-TTS 模型的三种核心能力：Voice Design（用文字描述创造原创音色）、Freeform（导演式指令控制重音、停顿和情绪）以及声音克隆（支持在正文中插入叹气、咳嗽、呼吸等声音事件标签）。文章详细介绍了从 Hugging Face 在线体验到本地部署的完整流程，包括参考音频准备、音色描述写作模板、命令行操作等，并提出判断 TTS 能否进入 AI 视频工作流的五项标准，如音色身份稳定性、重音停顿准确性、声音事件自然度等。
本地配音：开源 VoiceStudio 把订阅制按在地上
文章介绍了开源项目 VoiceStudio（作者 debpalash），一个纯 Python、AGPL-3.0 协议的本地配音工具，定位为「开源、全程本地的 ElevenLabs 平替」。它支持声音克隆、声音设计、带时间轴对齐的视频配音、语音转写、有声书和批量任务，只需几十秒参考录音即可抽音色，官方支持六百多种语言。项目半年内获得约 6.7 万 Star，桌面端基于 Electron，数据全部留在本地不上传云端，兼容 NVIDIA CUDA 和苹果 Metal，并提供 Local API 和 MCP 供 Claude Code、Codex 等 Agent 调用。文章同时提醒性能受硬件限制、授权需分别确认，以及克隆声音必须取得对方授权。
开源 TTS / 配音工具怎么选：10 个按用途分好
作者为搭建视频配音工作流，测评并整理了 10 个开源 TTS 项目，按用途分为四组：中文配音带情绪（IndexTTS、VoxCPM、Qwen3-TTS、CosyVoice）、声音克隆与个性化（GPT-SoVITS、Chatterbox）、多人对话与播客（Fish Speech、SoulX-Podcast）、轻量实时（Kokoro、VibeVoice-Realtime）。文章为每个工具提供官方安装命令、可直接复制给 Agent 的提示词、显存配置要求、许可证说明及踩坑经验，强调选型应先看用途和显卡配置，再看 GitHub 星数。
我让 Opus 5.5 当导演，一个人 2 小时跑通 AI 短剧制作全流程
作者分享了用 Opus 5.5 作为 AI 导演，从剧本到成片全自动制作 AI 短剧《神文觉醒》的完整流程。人只参与三件事：提供剧本、回答问题、看片提意见，其余写提示词、出图、生成视频、挑片、剪辑、配乐全部由模型完成。文章提炼了 16 个技巧，包括分段生成、连戏表锁定细节、角色三视图、首尾帧生成画面文字、表演状态控制台词语气、抽帧审核等，并介绍分镜师 4.0 九环节工作流和 Studio 看片插件，展示了 AI 从操作员工具进化为导演的实践路径。
发现一个中文语音数据集：218人8万多条语音
作者发现一个中文语音数据集，包含218人的8万多条语音，情感中性，并带有性别、年龄、母语口音等标注，字音准确率达98%以上，经过专业标注和严格质检。开源TTS模型如F5、Spark、IndexTTS2都需要参考语音，自己录制麻烦，该数据集可以省去这一步。作者是在为Qiaomu Reader开发电子书朗读功能时发现的。文中附有数据集官网地址和语音样例链接。
速来！认领你的「口播Bot」，妈妈再也不用担心我做口播视频了！
作者分享了一个基于 Grok Bot 制作的公开模板「故事视频生成」，可将文章自动转成 1080×1920 竖屏口播动画视频。Bot 按导演流程推进：生成剧本、拆分镜头、设计角色并提供三种美术方向供挑选，用 AI 生成绿幕角色姿势图配合 Canvas/Playwright 渲染，配音采用可商用的 CosyVoice3，并配备自动质检和独立审片员逐条核对修正。文章通过《烂梨效应》和《边界》两个案例展示了完整制作过程，包括风格选择、姿势库搭建、读音纠正和画面修复。该 Bot 基于 hand-drawn-styles、huashu-art-motion、omniailab-ai-director 三个 MIT 开源技能，用户导入模板后即可一键生成带声音和画面的视频。
Muse 接入 Fish Audio：从注册到出声，全流程
本文是一篇详细的接入教程，介绍如何在 Muse 中接入 Fish Audio TTS 服务。作者 TaoBuilds 对比了 Azure（稳定但音色固定）与 Fish Audio（支持声音克隆和特色音色）的差异，并给出六步接入流程：注册 Fish Audio 账号、切换到 Developer 模式、确认每月 8000 点的免费额度、创建 API Key、在 Muse 中关联 Key、编写调用脚本并实测出声，全程约 5 分钟。接通后日常语音仍走免费的 Azure，特色音色和声音克隆则用 Fish Audio 完成。文末提醒注意免费额度用量、不要克隆真人声音公开发布，以及 Key 泄露时的处理方法。
