Ulasan ElevenLabs Multilingual v2 (2026): Bahasa, Kualitas Suara, dan API

Eleven Multilingual v2 bukanlah rilis baru tahun 2026, namun model text-to-speech ElevenLabs ini masih aktif dan layak dipertimbangkan. Diluncurkan pada Agustus 2023, layanan ini tetap menjadi bagian dari jajaran produk unggulan perusahaan dengan dukungan 29 bahasa, batas permintaan sebesar 10.000 karakter, serta penekanan resmi pada pembangkitan teks panjang yang stabil.

Masalahnya, “yang lebih baru” dan “yang lebih baik untuk pekerjaan Anda” bukanlah hal yang sama. Eleven v3 menawarkan penyampaian yang lebih ekspresif dan cakupan bahasa yang lebih luas, sementara Flash v2.5 mengutamakan kecepatan, skalabilitas, dan biaya API yang lebih rendah. Multilingual v2 berada di antara keduanya sebagai pilihan yang sudah mapan untuk narasi, kursus, pelokalan, dan pekerjaan lain dengan satu pembicara di mana konsistensi lebih penting daripada penampilan yang dramatis.

Ingin mencoba model ini sebelum mengirimkan permintaan API? Generator Audio GlobalGPT menempatkan Eleven Multilingual v2 di ruang kerja browser: pilih modelnya, tempelkan skrip Anda, pilih suara, lalu hasilkan audio.

Coba Berbagai Model Audio Sekarang

Apa itu Eleven Multilingual v2?

Eleven Multilingual v2 adalah model text-to-speech multibahasa dari ElevenLabs. ID model API aslinya adalah eleven_multibahasa_v2. Anda mengirimkan pesan teks dan ID suara ke Titik akhir Text-to-Speech, dan layanan tersebut menghasilkan audio yang disintesis dengan suara yang dipilih.

Keunggulan praktisnya sangat sederhana: satu model mampu menangani 29 bahasa dan menerima hingga 10.000 karakter dalam satu permintaan. ElevenLabs menggambarkannya sebagai opsi paling stabil untuk pembuatan teks panjang, meskipun pernyataan tersebut lebih merupakan strategi pemasaran perusahaan daripada jaminan independen untuk setiap gaya penulisan, skrip, atau bahasa.

Multilingual v2 dirancang untuk keperluan seperti narasi, buku audio, e-learning, sulih suara korporat, dan media yang dilokalkan. Jika produk akhir Anda berupa video dengan karakter yang berbicara, sulih suara yang sama juga dapat digunakan untuk cakupan yang lebih luas alur kerja dialog dan sinkronisasi bibir.

Apakah Eleven Multilingual v2 masih aktif pada tahun 2026?

Ya. Per 11 Agustus 2026, ElevenLabs mencantumkan Multilingual v2 di antara model Text to Speech andalannya. Model tersebut tidak tercantum dalam tabel model yang sudah tidak didukung lagi pada dokumentasi. Itulah status terkini yang paling jelas: masih aktif dan tercantum dalam dokumentasi, namun bukan lagi model ucapan terbaru dari ElevenLabs.

Tanggal rilis tidak terkait dengan statusnya saat ini. ElevenLabs mengumumkan Multilingual v2 pada tanggal 22 Agustus 2023. Judul halaman yang mencantumkan “2026” seharusnya menjelaskan tanggal peninjauan, bukan menyiratkan bahwa model tersebut diluncurkan tahun ini.

Posisi tersebut menjadikan Multilingual v2 sebagai pilihan produksi yang sudah mapan, bukan perangkat lunak yang ditinggalkan. Hal ini juga berarti bahwa dalam mengambil keputusan pembelian, perlu membandingkan profil skripnya yang lebih stabil dan berjangka panjang dengan keunggulan-keunggulan spesifik dari v3 dan Flash v2.5.

Bahasa apa saja yang didukung oleh Eleven Multilingual v2?

ElevenLabs secara resmi mencantumkan 29 bahasa untuk Multilingual v2:

• Bahasa Inggris, Bahasa Jepang, Bahasa Mandarin, Bahasa Jerman, Bahasa Hindi, dan Bahasa Prancis
• Bahasa Korea, Portugis, Italia, Spanyol, Indonesia, dan Belanda
• Bahasa Turki, Bahasa Filipina, Bahasa Polandia, Bahasa Swedia, Bahasa Bulgaria, dan Bahasa Rumania
• Bahasa Arab, Ceko, Yunani, Finlandia, Kroasia, Melayu, dan Slowakia
• Bahasa Denmark, Tamil, Ukraina, dan Rusia

Dukungan bahasa tidak berarti setiap suara akan terdengar sama meyakinkannya di setiap wilayah. ElevenLabs merekomendasikan untuk memilih suara yang aksennya sesuai dengan bahasa dan wilayah sasaran. Hal ini penting untuk bahasa Spanyol, Portugis, Inggris, dan bahasa-bahasa lain yang memiliki variasi regional yang kuat. Uji suara dan naskah yang tepat yang akan Anda terbitkan, alih-alih menganggap daftar bahasa model sebagai jaminan aksen.

Kualitas suara: kealamian, konsistensi, dan bukti-buktinya

ElevenLabs menggambarkan Multilingual v2 sebagai model yang tampak seperti manusia, peka terhadap emosi, dan konsisten di berbagai bahasa. Hal-hal tersebut merupakan klaim dari pihak pengembang. Klaim-klaim tersebut berguna untuk memahami posisi yang ingin ditonjolkan oleh model tersebut, namun tidak boleh disamakan dengan pengujian yang netral.

Bukti independennya lebih terbatas. Artificial Analysis mencatat Multilingual v2 pada angka sekitar 1100,07 Elo di Provider Voice Arena-nya saat diperiksa pada 11 Agustus 2026. Arena tersebut menggunakan preferensi pendengar yang dipasangkan dan delapan suara penyedia dalam bahasa Inggris AS dan Inggris Raya, yang dibagi menjadi suara laki-laki dan perempuan. Itu adalah bukti yang transparan dan spesifik model untuk preferensi suara dalam bahasa Inggris; hal itu tidak membuktikan kinerja yang setara di seluruh 29 bahasa, aksen regional, atau naskah yang panjang.

Tanggapan publik beragam, namun sampelnya terlalu kecil untuk menggambarkan basis pengguna secara keseluruhan. Dalam sebuah diskusi tahun 2024, para komentator menggambarkan v2 sebagai versi yang lebih realistis daripada v1, sekaligus melaporkan adanya masalah konsistensi aksen sesekali. Seorang pengguna lain melaporkan adanya periode singkat yang mengalami masalah kecepatan dan konsistensi. Sebuah tanggapan yang terkait dengan ElevenLabs kemudian merekomendasikan Multilingual v2 atau Turbo v2 untuk menghasilkan karya panjang yang lebih konsisten. Postingan-postingan ini merupakan sinyal peringatan yang berguna, bukan data prevalensi atau tolok ukur yang terkontrol.

Apa yang bisa dikatakan dengan pasti?

• Model ini masih didukung secara resmi dan dirancang untuk pemrosesan ucapan berdurasi panjang yang stabil dan berkualitas tinggi.
• Data preferensi bahasa Inggris yang independen memberikan sinyal eksternal yang kredibel, dalam kumpulan suara berbahasa Inggris yang terbatas.
• Kualitas aksen bergantung pada bahasa, wilayah, pilihan suara, dan skrip—bukan hanya ID model.
• Pemeriksaan audio objektif dapat mendeteksi pemotongan, clipping, masalah format, dan anomali waktu, tetapi tidak dapat menggantikan pendengaran yang cermat.

Uji coba langsung: lima hasil valid pertama melalui rute API Anywhere

Kami telah menguji rute HTTPS langsung Anywhere ke ID model sebelas-multibahasa-v2. Format pengenal ini berbeda dengan format yang digunakan oleh API ElevenLabs bawaan, yang menggunakan eleven_multibahasa_v2. Rute tersebut menyediakan antarmuka tugas yang mencakup model dan prompt, namun tidak menyediakan pengaturan yang andal untuk pemilihan suara, stabilitas, kemiripan, gaya, kecepatan, atau format keluaran. Oleh karena itu, setiap eksekusi menggunakan pengaturan default rute tersebut.

Batch yang telah didaftarkan sebelumnya berisi lima skrip: satu narasi berbahasa Inggris dengan 1.399 karakter, skenario yang sama dalam bahasa Inggris, Spanyol, dan Mandarin, serta satu tes penekanan pengucapan yang mencakup nama, tanggal, mata uang, nomor telepon, URL, dan akronim. Kami menyimpan hasil pertama yang valid dan dapat diputar, serta tidak menjalankan ulang untuk memastikan kualitasnya.

Kelima tugas formal tersebut berhasil diselesaikan pada percobaan pertama dan menghasilkan berkas MP3 mono yang dapat didekode pada frekuensi 44,1 kHz. Berkas-berkas tersebut tidak mengandung sampel yang terpotong maupun lompatan sampel berdekatan yang nilainya melebihi 0,8 dalam pemindaian gelombang lokal. Pemeriksaan tersebut memastikan integritas berkas; namun, pemeriksaan tersebut tidak menilai tingkat kealamiannya.

Keseimbangan antara stabilitas jangka panjang, emosi, pengucapan, dan latensi

Naskah yang panjang

Batas maksimal 10.000 karakter sudah cukup luas untuk durasi audio sekitar sepuluh menit, menurut tabel batas karakter ElevenLabs. Untuk bab yang lebih panjang, pisahkan teks pada batas paragraf atau adegan yang wajar, bukan dengan memotong berdasarkan jumlah karakter yang sewenang-wenang. API ini menyediakan teks_sebelumnya, next_text, serta bidang kontinuitas ID permintaan untuk membantu potongan-potongan yang berdekatan terintegrasi dengan lancar.

Pengujian kami membuktikan bahwa satu naskah berisikan 1.399 karakter berhasil disimpan sebagai berkas yang valid pada percobaan pertama melalui jalur Anywhere. Hal ini tidak membuktikan stabilitas pada batas maksimum 10.000 karakter atau sepanjang seluruh buku audio.

Pengaturan emosi dan stabilitas

Dalam API ElevenLabs asli, stabilitas yang lebih rendah memungkinkan variasi yang lebih besar, sedangkan stabilitas yang lebih tinggi dapat membuat hasil yang dihasilkan lebih konsisten namun berpotensi menjadi lebih monoton. Penekanan gaya yang berlebihan dapat menambah ekspresi, tetapi juga dapat mengurangi prediktabilitas dan meningkatkan beban komputasi. Anggaplah pengaturan-pengaturan tersebut sebagai pertukaran kreatif, bukan peningkatan kualitas yang berlaku universal.

Pengucapan

Multilingual v2 tidak mendukung tag fonem. ElevenLabs merekomendasikan kamus pengucapan yang dilengkapi alias sebagai solusi sementara. Normalisasikan angka, singkatan, tanggal, dan URL yang ambigu sebelum proses pembangkitan, lalu siapkan skrip regresi sederhana untuk nama atau istilah yang penting bagi merek Anda.

Latensi

Multilingual v2 bukanlah opsi latensi rendah dari ElevenLabs. ElevenLabs menyatakan bahwa produk ini memiliki latensi yang lebih tinggi daripada model Flash. Waktu rute yang kami ukur berkisar antara 10,161 hingga 31,489 detik untuk lima tugas formal, namun angka-angka tersebut mencakup rute tugas Anywhere, jaringan, antrian, dan pengiriman file. Angka-angka tersebut tidak boleh dianggap sebagai latensi model ElevenLabs asli.

Cara menggunakan API Eleven Multilingual v2

curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/YOUR_VOICE_ID" \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "text": "Narasi multibahasa Anda ditempatkan di sini.",
    "model_id": "eleven_multilingual_v2",
    "voice_settings": {
 "stability": 0.5,
      "similarity_boost": 0.75,
 "style": 0,
 "use_speaker_boost": true,
 "speed": 1.0
    }
  }' \
  --output narration.mp3

Harga API Eleven Multilingual v2

’ElevenLabs" Halaman harga API telah mencantumkan Multilingual v2 dan v3 di $0,10 per 1.000 karakter pada saat diperiksa pada tanggal 11 Agustus 2026. Pajak, retribusi, dan bea tidak termasuk.

Dengan tarif tersebut, permintaan dengan ukuran maksimum 10.000 karakter akan dikenakan biaya $1.00 sebelum pajak. Biaya proyek yang sebenarnya bergantung pada jumlah teks yang Anda hasilkan, seberapa sering Anda membuat ulang teks tersebut, dan apakah Anda menyimpan hasil rekaman yang tidak berhasil. Susunlah anggaran Anda berdasarkan jumlah karakter masukan, bukan berdasarkan durasi audio dalam menit.

Bagi para kreator yang tidak perlu membangun alur kerja API native, GlobalGPT menawarkan nilai yang lebih praktis. Berdasarkan pengecekan pada 11 Agustus 2026, paket langganan tahunannya dihitung sebesar $5,80 per bulan untuk paket Basic, $10,80 untuk paket Pro, dan $25 untuk paket Unlimited, yang menggabungkan berbagai model AI dan alat kreatif dalam satu langganan. The Generator Audio GlobalGPT mencakup Eleven Multilingual v2 dan Eleven v3 dalam ruang kerja browser, sehingga Anda dapat menghasilkan narasi dan membandingkan kedua model tersebut tanpa perlu melakukan konfigurasi permintaan API terlebih dahulu.

Coba Lebih dari 100 Model Terbaik di GlobalGPT

GlobalGPT menggunakan sistem Kreditnya sendiri, sehingga ini bukanlah perbandingan harga langsung per karakter dengan API ElevenLabs. Namun, ketika audio menjadi bagian dari alur kerja yang lebih luas yang melibatkan penulisan, riset, gambar, video, atau beberapa model AI, GlobalGPT merupakan pilihan yang secara keseluruhan menawarkan nilai terbaik. Anda dapat bandingkan paket GlobalGPT di sini.

Eleven Multilingual v2 vs Eleven v3 vs Flash v2.5

GlobalGPT juga menyertakan Eleven v3 dalam Audio Generator yang sama. Jalankan skrip pendek yang sama pada kedua model tersebut: gunakan Multilingual v2 sebagai acuan narasi yang stabil, lalu bandingkan dengan v3 jika Anda menginginkan penyampaian yang lebih ekspresif. Skrip Anda sendiri merupakan alat pengambilan keputusan yang lebih baik daripada demo umum karena skrip tersebut menampilkan nama, tanda baca, kecepatan, dan peralihan bahasa yang penting bagi proyek Anda.

Siapa yang sebaiknya—dan tidak sebaiknya—menggunakan Multilingual v2?

Pas

• Narator yang memproduksi kursus, video penjelasan, video korporat, atau sulih suara yang disesuaikan dengan pasar lokal.
• Tim yang sudah memiliki model suara ElevenLabs yang telah divalidasi dan menginginkan ID model yang stabil.
• Proyek-proyek yang memerlukan salah satu dari 29 bahasa dan sistem penulisan yang didukung, serta memiliki panjang melebihi batas 5.000 karakter pada versi 3.
• Pengembang yang lebih mengutamakan kontrol suara bawaan dan bidang kontinuitas blok daripada latensi serendah mungkin.

Cari di tempat lain saat

• Jika Anda membutuhkan akting yang sangat ekspresif, dialog alami dengan beberapa pembicara, atau bahasa yang tidak tercantum dalam daftar 29 bahasa tersebut, mulailah dengan Eleven v3.
• Jika Anda sedang mengembangkan agen suara responsif atau layanan dengan kapasitas tinggi, pertimbangkan untuk menggunakan Flash v2.5.
• Anda memerlukan penandaan pada tingkat fonem; Multilingual v2 tidak mendukung tag fonem.
• Anda membutuhkan aksen daerah yang terjamin tanpa perlu menguji kesesuaian suara dan naskah aslinya.
• Anda memerlukan penilaian kualitas subjektif yang pasti sebelum bahasa target Anda ditinjau oleh pendengar yang berkualifikasi.

Pertanyaan yang Sering Diajukan

Apakah Eleven Multilingual v2 masih tersedia pada tahun 2026?

Ya. ElevenLabs mencantumkannya sebagai model Text-to-Speech andalan dan tidak memasukkannya ke dalam tabel model yang sudah tidak didukung saat diperiksa pada 11 Agustus 2026.

Kapan Eleven Multilingual v2 dirilis?

ElevenLabs mengumumkan Multilingual v2 pada 22 Agustus 2023. Angka “2026” dalam ulasan ini merujuk pada tanggal ulasan, bukan tahun peluncuran.

Berapa banyak bahasa yang didukung oleh Eleven Multilingual v2?

Aplikasi ini secara resmi mendukung 29 bahasa, termasuk bahasa Inggris, Spanyol, Mandarin, Jepang, Jerman, Prancis, Hindi, Korea, Portugis, Arab, dan Rusia.

Apa ID model Eleven Multilingual v2?

ID model API ElevenLabs bawaan adalah eleven_multibahasa_v2. Rute uji coba Anywhere menggunakan pengenal terpisah yang dihubungkan dengan tanda hubung sebelas-multibahasa-v2.

Berapa batas jumlah karakternya?

Batas resmi untuk satu permintaan adalah 10.000 karakter, yang menurut perkiraan ElevenLabs setara dengan sekitar sepuluh menit rekaman audio.

Apakah Multilingual v2 lebih baik daripada Eleven v3?

Keduanya tidak bisa dikatakan lebih baik secara mutlak. Multilingual v2 merupakan pilihan yang lebih stabil dan membutuhkan waktu pemrosesan lebih lama; sedangkan v3 menawarkan cakupan bahasa yang lebih luas, penyampaian yang lebih ekspresif, serta kemampuan multi-penutur.

Apakah Multilingual v2 cocok untuk narasi berdurasi panjang?

ElevenLabs diposisikan sebagai model format panjang yang paling stabil. Uji rute dengan 1.399 karakter yang kami lakukan berhasil diselesaikan, namun satu kali uji coba tersebut belum membuktikan stabilitasnya untuk buku utuh atau 10.000 karakter.

Apakah saya bisa mengatur kode bahasa di API?

Referensi API Create Speech saat ini menyebutkan kode_bahasa tidak didukung untuk model multilingual_v2.

Apakah Multilingual v2 mendukung penanda fonem?

No. ElevenLabs merekomendasikan kamus pengucapan yang menyertakan nama alternatif jika Anda perlu mengontrol cara pengucapan nama atau istilah khusus.

Berapa biaya API tersebut?

Pada tanggal 11 Agustus 2026, ElevenLabs menetapkan tarif Multilingual v2 sebesar $0,10 per 1.000 karakter, belum termasuk pajak, retribusi, dan bea.

Keputusan akhir

Eleven Multilingual v2 menempati posisi yang jelas dalam jajaran produk ElevenLabs tahun 2026: ini merupakan pilihan yang sudah teruji untuk narasi multibahasa yang konsisten, alur kerja suara yang tervalidasi, serta permintaan hingga 10.000 karakter. Namun, ini bukanlah pilihan otomatis yang paling tepat untuk setiap proyek TTS. Eleven v3 merupakan titik awal yang lebih kuat untuk akting yang ekspresif dan cakupan bahasa yang lebih luas, sementara Flash v2.5 dirancang untuk kecepatan dan skalabilitas.

Uji objektif kami memberikan keyakinan yang berguna mengenai keandalan rute dan integritas file: kelima tugas formal Anywhere berhasil diselesaikan pada percobaan pertama, menghasilkan file MP3 mono 44,1 kHz yang valid, dan tetap berada dalam batas biaya yang telah didaftarkan sebelumnya. Uji ini tidak menggantikan pendengaran manusia, sehingga kami tidak memberikan skor subjektif terkait kealamian, emosi, atau aksen hanya berdasarkan pemeriksaan mesin saja.

Sertakan satu paragraf dari narasi, materi kuliah, atau video yang telah dilokalkan Anda berikutnya ke Generator Audio GlobalGPT. Mulailah dengan Eleven Multilingual v2, pastikan suara dan naskahnya tetap konsisten, lalu bandingkan dengan Eleven v3 jika penyampaian yang ekspresif menjadi hal yang penting. Ini adalah cara langsung dan praktis untuk memilih model yang sesuai dengan kebutuhan pekerjaan Anda.