Eleven v3（alpha）全新发布

我们很高兴推出 Eleven v3（alpha）——最具表现力的文本转语音模型.

本次研究预览为语音生成带来前所未有的可控性和真实感，主要特性包括：

• 支持 70 多种语言
• 多说话人对话
• 音频标签，如 [excited]、[whispers]、[sighs]

Eleven v3（alpha）需要更多提示词设计，相比之前的模型，但生成效果极为惊艳。

如果你在制作视频、有声书或媒体工具，这将带来全新的表现力。实时和对话场景建议继续使用 v2.5 Turbo 或 Flash。v3 的实时版本正在开发中。

Eleven v3 现已在我们的网站和API.

为什么要开发 v3

自从推出多语言 v2 后，AI 语音已被广泛应用于专业影视、游戏开发、教育和无障碍领域。但始终的限制不是音质，而是表现力。更夸张的情感、对话打断和自然的互动一直难以实现。

Eleven v3 正是为了解决这一问题。从底层重构，支持叹息、低语、笑声和实时反应，让语音更真实、更有生命力。

Eleven v3（alpha）有哪些新功能

Hear v3 for yourself

播放

播放

如何使用音频标签

音频标签可直接嵌入脚本，格式为小写方括号。详细用法可参考我们的v3 提示词指南.

专业语音克隆（PVC）目前尚未完全适配 Eleven v3，克隆质量可能低于早期模型。研究预览阶段，如需使用 v3 功能，建议选择即时语音克隆（IVC）或设计声音。PVC 的 v3 适配即将上线。

例如，可以这样输入提示词：“[whispers] 有东西来了…… [sighs] 我能感觉到。”如需更丰富的表现力，也可组合多个标签：

“[happily][shouts] We did it! [laughs].”

打造多说话人对话

Eleven v3 已支持现有文本转语音接口。同时，我们还推出了全新文本对话 API 接口。只需提供结构化的 JSON 数组，每个对象代表一位说话人，模型即可生成连贯、可重叠的音频文件：

[
  {"speaker_id": "scarlett", "text": "(cheerfully) Perfect! And if that pop-up is bothering you, there’s a setting to turn it off under Notifications → Preferences."},
  {"speaker_id": "lex", "text": "You are a hero. An actual digital wizard. I was two seconds from sending a very passive-aggressive support email."},
  {"speaker_id": "scarlett", "text": "(laughs) Glad we could stop that in time. Anything else I can help with today?"}
]

接口会自动处理说话人切换、情感变化和打断。

详细了解请见这里.

v3 is our most expressive model

播放

播放

价格与可用性

启用 v3：

• 在模型选择器中选择Eleven v3（alpha）

API 接入和 Studio 支持即将上线。如需提前体验，请联系销售.

哪些场景不适合使用 v3

Eleven v3（alpha）对提示词设计要求更高，生成效果惊艳，但稳定性和延迟较高，不适合实时和对话场景。此类需求建议使用 Eleven v2.5 Turbo/Flash。

更多信息请参考完整v3 文档和常见问题。

Try it today

播放

播放

1. 登录ElevenLabs 界面
2. 在模型下拉菜单选择3（alpha）
3. 粘贴脚本，可添加标签或对话
4. 生成音频

期待你用 v3 实现更多新场景——无论是沉浸式故事还是影视制作流程。