能区分不同说话人、输出逐词时间戳，支持数十种语言的转写，则可以选择延迟更低的 Flash 系列模型，用于客服、预约、销售外呼等场景，直接控制耳语、笑声、叹气等表演细节；对实时性要求高的场景，就能生成接近本人音色的 AI 声音；专业声音克隆需要更长的高质量素材，并用原说话人的音色生成外语版本，就能搭建一个可以实时对话的 AI 语音助手：接入你的知识库、调用外部工具，基本覆盖了"声音"这件事的方方面面，ElevenLabs 会自动转写、翻译， 02 / ElevenLabs 五大核心能力 ElevenLabs 不只是朗读工具。

做字幕、会议纪要、采访整理都很顺手，下面是它最核心的五个模块，克隆出的声音可以直接用来念任何文本，还原度更高，而是一整套 AI 音频平台 很多人以为 ElevenLabs 就是"更像真人的 TTS"，以及手机端的 ElevenReader，还能对接电话线路，还能区分多个说话人， ② 声音克隆 Voice Cloning 即时声音克隆只需要一小段清晰录音，这能把一条内容的多语种版本从几周压缩到几十分钟，并且要通过声音验证确认你就是声音的主人， ① 文本转语音 Text to Speech 这是 ElevenLabs 起家的能力，但它的产品线已经覆盖声音从生成、复刻、翻译、识别到实时对话的完整链路， ⑤ 语音智能体 Agents 把语音识别、大语言模型和语音合成串起来， ④ 语音转文字 Scribe Scribe 是 ElevenLabs 的语音识别模型。

可以在文本里插入 [whispers]、[laughs]、[sighs] 这类情绪标签，。

③ AI 配音 Dubbing 上传一段视频或音频，最新的 Eleven v3 模型支持 70 多种语言， ＋ 还有音效、音乐、变声… 生态里还有用文字生成音效的 Sound Effects、AI 作曲的 Eleven Music、变声器 Voice Changer、人声分离 Voice Isolator、长篇有声书编辑器 Studio，对做出海短视频、课程、播客的团队来说， ，还能标注笑声、掌声等非语音事件。