Eleven Multilingual v2 虽然不是 2026 年的新版本，但它仍然是一个值得考虑的、仍在积极维护的 ElevenLabs 文本转语音模型。. 该产品于2023年8月推出，目前仍属于该公司的旗舰产品系列，支持29种语言，单次请求字符限制为10,000个，且官方强调其擅长生成稳定的长篇内容。.
问题在于，“更新”和“更适合你的工作”并不是一回事。 Eleven v3 提供更具表现力的演绎和更广泛的语言覆盖范围，而 Flash v2.5 则侧重于速度、规模和更低的 API 成本。Multilingual v2 介于两者之间，是旁白、课程、本地化及其他单人配音工作的成熟选择——在这些场景中，一致性比戏剧性表现更为重要。.
想在发送 API 请求之前先试用一下该模型吗？ GlobalGPT 的音频发生器 将 Eleven Multilingual v2 添加到浏览器工作区：选择模型、粘贴脚本、挑选语音，然后生成音频。.
什么是 Eleven Multilingual v2？
Eleven Multilingual v2 是 ElevenLabs 推出的一款多语言文本转语音模型。其原生 API 模型 ID 为 eleven_multilingual_v2. 您将文本和语音识别结果发送至 文本转语音端点, ，该服务会以所选语音返回合成的音频。.
其实用价值很简单：一款模型即可支持29种语言，且单次请求最多可处理10,000个字符。ElevenLabs将其描述为长文本生成领域中最稳定的选项，不过这一说法仅代表该公司的定位，而非针对每种语体、文体或语言的独立保证。.
Multilingual v2 专为旁白、有声书、在线学习、企业配音以及本地化媒体等工作而设计。如果您的最终产品是带有语音角色的视频，同一条配音也可用于更广泛的 对话与口型同步工作流程.
2026年，“Eleven Multilingual v2”是否仍在运行？
是的。截至2026年8月11日，ElevenLabs在其旗舰文本转语音模型中列出了Multilingual v2。该模型并未出现在文档中的“已弃用模型”表格中。这就是其当前最明确的状态：处于活跃状态且有相关文档记录，但已不再是ElevenLabs最新的语音模型。.
发布日期与其当前状态无关。ElevenLabs 发布了 Multilingual v2 2023年8月22日。包含“2026”的页面标题应说明评测日期，而非暗示该机型于今年发布。.
这种定位使得 Multilingual v2 成为一种成熟的生产方案，而非被弃用的软件。这也意味着，在做出购买决策时，应将其更稳定、更长久的脚本特性与 v3 及 Flash v2.5 的具体优势进行比较。.
Eleven Multilingual v2 支持哪些语言？
ElevenLabs 正式列出了 Multilingual v2 支持的 29 种语言：
- 英语、日语、中文、德语、印地语和法语
- 韩语、葡萄牙语、意大利语、西班牙语、印尼语和荷兰语
- 土耳其语、菲律宾语、波兰语、瑞典语、保加利亚语和罗马尼亚语
- 阿拉伯语、捷克语、希腊语、芬兰语、克罗地亚语、马来语和斯洛伐克语
- 丹麦语、泰米尔语、乌克兰语和俄语
语言支持并不意味着每种声音在每个地区听起来都同样令人信服。ElevenLabs 建议选择口音与目标语言及地区相匹配的声音。对于西班牙语、葡萄牙语、英语以及其他存在明显地区差异的语言而言，这一点尤为重要。请务必测试您计划发布的具体声音和脚本，而不是将模型的语言列表视为口音的保证。.
语音质量：自然度、一致性及相关证据
ElevenLabs 将“Multilingual v2”描述为栩栩如生、具备情感感知能力且在不同语言间表现一致。这些是供应商的宣传说法。它们有助于理解该模型的定位，但不应将其误认为中立的测试结果。.
独立证据的范围较窄。根据2026年8月11日的查询结果，Artificial Analysis在其“提供商语音竞技场”中将Multilingual v2的Elo评级列为约1100.07。 该平台采用配对听众偏好测试，并涵盖八种提供商语音（包括美式和英式英语），且按男女声别划分。这是针对英语语音偏好的一种透明且特定于该模型的证据；但并不能证明其在全部29种语言、地区口音或长篇脚本中的表现均等。.
公众反馈褒贬不一，但样本量过小，无法代表整个用户群体。在2024年的一次讨论中，评论者认为v2比v1更逼真，但也反映了偶尔会出现口音不一致的问题。 另一位用户报告称，在短期内曾出现速度和一致性问题。随后，与ElevenLabs相关的回复建议使用“多语言v2”或“Turbo v2”来处理更一致的长篇内容。这些帖子是有用的预警信号，而非流行率数据或受控基准测试结果。.
有什么是可以确信无疑的呢？
- 该模型仍受官方支持，并定位于生成稳定、高质量的长篇语音。.
- 独立的英语偏好数据为其提供了可信的外部信号，不过该数据仅基于有限的英语语音样本集。.
- 口音质量取决于语言、地区、语音选择和脚本——而不仅仅是模型 ID。.
- 客观的音频检测可以发现音频截断、削波、格式问题和时间异常，但无法取代专业听音。.
跨语言一致性
该场景分别使用英语、西班牙语和普通话，并采用“route-default”语音生成。每个播放器包含根据“冻结测试规则”保留的第一个有效输出。.
请注意： 说话者身份的一致性以及明显的发音问题。合格的西班牙语听众应单独评估口音的真实性。.
这些嵌入向量是一种辅助身份识别信号；它们并不评估自然度、发音、口音、语调或情感表达。目前尚无不同说话者的校准组。.
实测：通过 Anywhere API 路径生成的前五个有效输出
我们测试了通往该模型 ID 的 Anywhere 直连 HTTPS 路径 eleven-multilingual-v2. 这与原生 ElevenLabs API 的标识符格式不同，后者使用 eleven_multilingual_v2. 该路径提供了包含模型和提示词的任务接口，但未提供可靠的语音选择器、稳定性、相似度、风格、语速或输出格式控制功能。因此，每次运行都使用了该路径的默认设置。.
预注册的批次包含五份脚本：一份1,399个字符的英语旁白、同一场景的英语、西班牙语和普通话版本，以及一份涵盖人名、日期、货币、电话号码、网址和首字母缩写词的发音重音测试。 我们保留了第一个有效的可播放输出结果，并未为提高质量而重新运行。.
路线可靠性摘要
所有五个预注册的脚本均采用了第一个有效的可播放输出。该路线未提供语音或生成控制选项，因此每次运行均使用其默认设置。.
范围： 这些数据描述的是“Anywhere”路线，而非原生ElevenLabs延迟或GlobalGPT的浏览器体验。文件检查不会对自然度、情感表达、口音或本地语速进行评分。.
所有五项正式任务均在首次尝试中成功完成，并返回了44.1 kHz采样率的可解码单声道MP3文件。这些文件中既没有剪切的采样点，在局部波形扫描中也没有相邻采样点跳变值超过0.8的情况。这些检查旨在验证文件的完整性，并不对自然度进行评分。.
长时稳定性、情感、发音与延迟之间的权衡
长脚本
根据 ElevenLabsT 的字符限制表，10,000 字符的上限足以容纳大约十分钟的音频内容。对于较长的章节，应按照自然的段落或场景分界点进行分割，而不是根据任意的字符数进行裁剪。该 API 提供 previous_text, next_text, ，以及请求 ID 连续性字段，以帮助相邻的块顺畅衔接。.
我们的测试证明，通过“Anywhere”途径，一个包含1,399个字符的脚本在首次尝试时便成功生成有效文件。但这并不能证明其在达到10,000个字符的上限时，或贯穿整本有声读物时的稳定性。.
长效稳定性
请注意： 开头和结尾段落之间的节奏偏差、生硬的停顿、咔嗒声、声音剪切或可听见的失真现象。.
客观结果： 该文件解码结果完整无缺，未出现采样值被截断或相邻采样值跳变超过0.8的情况。机器测得的前半部分处理速度估计为2.858字/秒，后半部分为2.670字/秒，未发现后半部分整体速度有所提升的迹象。.
仅进行一次测试，既不能证明在10,000个字符的限制下系统运行稳定，也不能排除需要人工监听才能发现的局部步调问题。.
情绪与稳定性设置
在原生的 ElevenLabs API 中，较低的稳定性允许更大的变化空间，而较高的稳定性则能使输出更加一致，但也可能变得更加单调。风格的夸张处理可以增添表现力，但也可能降低可预测性并增加计算量。请将这些控制项视为创意上的权衡，而非通用的质量提升手段。.
发音
Multilingual v2 不支持音素标签。ElevenLabs 建议使用带有别名的发音词典作为临时解决方案。在生成之前，请对模棱两可的数字、缩写、日期和 URL 进行规范化处理，然后针对对您的品牌至关重要的名称或术语，保留一个简短的回归测试脚本。.
发音重音测试
听力检查点： 离线语音识别将该电话号码识别为“1-800-5555-0199”。发布前请仔细核对原始号码和网址。.
多出的那个数字并非已确认的文本转语音（TTS）错误。语音识别可能会产生误差，因此这只是一个复核点，而非对发音的最终判定。.
延迟
Multilingual v2 并非 ElevenLabs 的低延迟选项。ElevenLabs 表示其延迟高于 Flash 型号。 我们对五项正式任务测得的路径时间在 10.161 到 31.489 秒之间，但这些数据包含了’Anywhere”任务的路径、网络、队列和文件传输时间。因此，这些数据不能被视为原生 ElevenLabs 模型的延迟。.
如何使用 Eleven Multilingual v2 API
原生 ElevenLabs API 请求
使用原生模型 ID eleven_multilingual_v2 在 JSON 请求体中，并将选定的语音 ID 填入该端点中。.
https://api.elevenlabs.io/v1/text-to-speech/{voice_id}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": "您的多语言旁白内容请填写在此处。",
"model_id": "eleven_multilingual_v2",
"voice_settings": {
"stability": 0.5,
"相似度加权": 0.75,
"风格": 0,
"使用播音员加权": true,
"语速": 1.0
}
}' \
--output narration.mp3关键参数与限值
| 参数 | 控制内容 | 实用提示 |
|---|---|---|
voice_id | 精选 ElevenLabs 语音 | 选择一位口音与目标语言及地区相符的配音员。. |
model_id | 合成模型 | 使用 eleven_multilingual_v2. |
稳定性 | 变化与一致性 | 较低时变化可能更大；较高时则可能变得更为克制。. |
相似度提升 | 参考语音相似度 | 较高的数值有助于识别，但不能保证在所有语言中都适用。. |
风格 | 风格上的夸张 | 当重复性至关重要时，请谨慎使用。. |
use_speaker_boost | 额外的说话人相似度处理 | 可能会增加延迟。. |
速度 | 播放速度 | 修改后请重新检查数字和标点符号。. |
previous_text / next_text | 语块的上下文 | 在拆分长脚本时非常有用。. |
language_code | 语言规范执行 | 在当前的 API 参考文档中，多语言 v2 模型不支持此功能。. |
重要： 请将 API 密钥保存在安全的环境变量中。切勿将真实的密钥粘贴到公开的文章代码中。.
Eleven Multilingual v2 API 定价
’ElevenLabs” API 定价页面 在以下位置列出了“Multilingual v2”和“v3”： 每1,000个字符$0.10 截至2026年8月11日查询时。不含税费、附加费和关税。.
API 直接定价
根据 Multilingual v2 和 v3 的官方费率，每 1,000 个字符为 $0.10：
ElevenLabs API 价格于 2026 年 8 月 11 日核查。不含税费、附加费和关税。.直接API还是GlobalGPT？
| 路线 | 价格参考 | 您的工作方式 | 何时最具性价比 |
|---|---|---|---|
| ElevenLabs API | $0.10 / 1K 字符 | 原生请求、语音、设置和计费使用情况 | 您需要开发人员控件和产品集成 |
| GlobalGPT 整体性价比之选 | 基础套餐 $5.80/月 Pro $10.80/月 每月无限量 $25 | 一个浏览器平台集成了多种AI模型和创意工具，包括音频生成器功能 | 音频是更广泛的写作、研究、图像、视频或模型比较工作流的一部分 |
按此费率计算，最大10,000字符的请求费用为$1.00（不含税）。实际项目成本取决于您生成的文本量、重新生成的频率，以及是否保留未通过的录音。请根据输入字符数而非音频时长来制定预算。.
对于无需构建原生 API 工作流的创作者而言，GlobalGPT 提供了更具实用性的价值主张。 截至 2026 年 8 月 11 日的查询显示，其年度套餐价格分别为：基础版每月 $5.80、专业版每月 $10.80，以及无限版每月 $25，将多种 AI 模型和创意工具整合到一个订阅套餐中。该 GlobalGPT 音频发生器 在浏览器工作区中集成了 Eleven Multilingual v2 和 Eleven v3，因此您无需先配置 API 请求，即可生成旁白并比较这两个模型。.
GlobalGPT 采用其专有的积分系统，因此这并非与 ElevenLabs API 进行的按角色直接价格比较。但当音频是涉及写作、研究、图片、视频或多个 AI 模型的更广泛工作流程的一部分时，, GlobalGPT 是整体性价比更高的选择. .您可以 在此比较 GlobalGPT 套餐.
Eleven 多语言版 v2 与 Eleven v3 与 Flash v2.5 的对比
应该选择哪款ElevenLabs型号？
应根据岗位需求选择合适的模特，而不是仅凭发布日期来决定。.
多语言版 v2
请选择： 稳定的旁白、成熟的工作流程、支持29种语言，以及长达10,000字符的脚本。.
Eleven v3
请选择： 富有表现力的演绎、多播音员作品，以及涵盖70多种语言的更广泛语言支持。.
Flash v2.5
请选择： 响应式产品、高吞吐量、40,000字符的请求以及更低的API成本。.
| 模型 | 语言 | 字符限制 | 官方强调 | 最合适 |
|---|---|---|---|---|
| 多语言版 v2 | 29 | 10,000 | 长期稳定性与始终如一的品质 | 旁白、课程、本地化、成熟的配音工作流程 |
| Eleven v3 | 70+ | 5,000 | 富有表现力的语音和多说话者对话 | 表演、角色塑造、戏剧表现力、更广泛的语言覆盖范围 |
| Flash v2.5 | 32 | 40,000 | 模型延迟约为 75 毫秒，且 API 调用开销更低 | 交互式产品、吞吐量、耗时较长的请求、对成本敏感的扩展性 |
GlobalGPT 还在同一个音频生成器中包含了 Eleven v3。将同一段简短脚本分别输入这两个模型：使用 Multilingual v2 作为平稳叙述的基准，然后在需要更具表现力的表达时，将其与 v3 进行对比。 相比通用演示，您自己的脚本是更好的决策工具，因为它能展现出对您的项目至关重要的名称、标点符号、语速以及语言切换等要素。.
哪些人应该——以及不应该——使用 Multilingual v2？
合身
- 从事课程、科普视频、企业宣传片或本地化配音制作的配音员。.
- 已拥有经过验证的 ElevenLabs 语音模型，并希望获得稳定模型 ID 的团队。.
- 项目需要使用29种受支持的语言或字符集之一，且字符长度超过v3版本的5,000字符限制。.
- 那些更重视原生语音控制和片段连续性字段，而非尽可能低的延迟的开发者。.
在以下情况下请另寻他处：
- 如果您需要极具表现力的表演、自然的多角色对话，或者列表中未包含的29种语言之外的其他语言，不妨从Eleven v3开始尝试。.
- 您正在开发一个响应式语音代理或高吞吐量服务；请评估 Flash v2.5。.
- 你需要音素级别的标记；Multilingual v2 不支持音素标签。.
- 您需要确保采用当地口音，但无需通过试音和实际剧本来测试是否匹配。.
- 在经过专业培训的听众审阅您的目标语言之前，您需要做出明确的主观质量判断。.
常见问题
2026年时，Eleven Multilingual v2 是否仍可使用？
是的。ElevenLabs 将其列为旗舰级文本转语音模型，且在 2026 年 8 月 11 日查询时，该模型并未被列入已弃用模型列表。.
Eleven Multilingual v2 是何时发布的？
ElevenLabs 于 2023 年 8 月 22 日发布了 Multilingual v2。本评测中的“2026”指的是评测日期，而非发布年份。.
Eleven Multilingual v2 支持多少种语言？
它正式支持29种语言，包括英语、西班牙语、中文、日语、德语、法语、印地语、韩语、葡萄牙语、阿拉伯语和俄语。.
Eleven Multilingual v2 的模型 ID 是多少？
ElevenLabs API 的原生模型 ID 是 eleven_multilingual_v2. “Anywhere”测试路线使用了带连字符的独立标识符 eleven-multilingual-v2.
字符限制是多少？
官方规定的单次请求字符限制为10,000个，据ElevenLabs估算，这大约相当于十分钟的音频。.
Multilingual v2 比 Eleven v3 更好吗？
两者都没有绝对的优劣之分。多语言版本 v2 更稳定，但请求处理时间较长；v3 则提供更广泛的语言支持、更生动的表达方式以及多发言人功能。.
Multilingual v2 适合长篇旁白吗？
ElevenLabs将其定位为最稳定的长篇模型。我们进行的1,399个字符的路线测试已成功完成，但仅凭这一轮测试尚无法证明其在整本书或10,000个字符规模下的稳定性。.
我可以在 API 中设置语言代码吗？
当前的 Create Speech API 参考文档中写道： language_code 多语言_v2 模型不支持此功能。.
Multilingual v2 是否支持音素标签？
No. ElevenLabs 建议在需要控制人名或专业术语的呈现方式时，使用包含别名的发音词典。.
API 的费用是多少？
ElevenLabs于2026年8月11日将“Multilingual v2”的报价定为每1,000个字符$0.10，不含税费、附加费和关税。.
最终判决
Eleven Multilingual v2 在 2026 年 ElevenLabs 产品阵容中占据了明确的位置：它是稳定多语言旁白、经过验证的语音工作流以及最多 10,000 个字符请求的成熟之选。但它并非每个 TTS 项目的自动优选方案。 Eleven v3 是进行富有表现力的演绎和处理更多语言的更强起点，而 Flash v2.5 则专为速度和规模而设计。.
我们的客观测试为路径可靠性和文件完整性提供了有力的保障：五项正式的“Anywhere”任务均在首次尝试中完成，生成了有效的44.1 kHz单声道MP3文件，且成本均未超出预先设定的上限。 这并不能取代人工聆听，因此我们不会仅根据机器检测结果就对自然度、情感表达或口音进行主观评分。.
请从你接下来的旁白、课程或本地化视频中选取一段文字，提交至 GlobalGPT 的音频发生器. 建议先从 Eleven Multilingual v2 开始，保持语音和脚本的一致性，并在需要注重表达力时将其与 Eleven v3 进行对比。这是选择适合您工作的模型的一种直接且实用的方法。.
