Perso AI × ElevenLabs：官方 AI 語音合作夥伴

更新（2026 年 10 月）：本文介紹的是 2025 年宣布時的合作內容。現在，Perso Dubbing 結合包括 Nightingale 在內的自有配音模型與全球 AI 基礎模型。

Perso AI 是 ElevenLabs 的官方技術合作夥伴。在 2025 年宣布合作時，Perso AI 將 ElevenLabs v3 引擎整合為其 AI 配音平台的核心語音合成層。

對於需要觸及全球觀眾且不失其原始聲音的內容創作者、行銷人員和企業而言，這項合作的目標是讓 AI 配音的聲音聽起來更自然。

Perso AI × ElevenLabs 合作涵蓋的內容

這項合作聚焦於語音合成，也就是 AI 配音流程中將翻譯後腳本轉為語音的步驟。

在宣布合作時，Perso AI 流程中的這個步驟由 ElevenLabs v3 負責。影片上傳後，平台會進行音源分離、腳本提取和翻譯，再將輸出交給 ElevenLabs v3 進行語音合成。

「這項合作關係使我們處於次世代內容在地化的最前沿。」 —— Mati Staniszewski，ElevenLabs 執行長

「Perso AI 不僅翻譯文字 —— 它還翻譯文化。」 —— 鄭相元（Jung Sang-won），ESTsoft 執行長

 兩家公司共享一個根本信條：全球性的內容應該讓觀眾覺得是專為他們製作的，而不是為他們翻譯的。

什麼是 ElevenLabs v3？

ElevenLabs v3 是 ElevenLabs 的語音合成模型。在宣布合作時，ElevenLabs 將 v3 介紹為其當時最具表現力的模型，並在三個領域有所改進。

情感範圍：v3 的設計目標是解讀情感意圖，而不只是朗讀文字，讓語氣、迫切感、溫暖和猶豫能隨上下文變化。

韻律準確度：v3 的目標是讓節奏、重音和語調貼近每種目標語言的自然說話方式。

多說話者忠實度：v3 的設計是在同一段錄音中有多位說話者時，讓每個聲音保持清楚區分且前後一致。

對於像 Perso AI 這樣的 AI 配音平台而言，這些正是 2025 年的整合希望帶給配音影片的功能。

Perso AI 在推出時如何使用 ElevenLabs v3

根據宣布時的說明，在 Perso AI 上使用 ElevenLabs v3 處理的影片會經過以下步驟：

步驟 1 — 音訊分離：Perso AI 的深度學習音源分離，能以錄音室級別的精度將語音與背景音訊、音樂和環境音隔離。

步驟 2 — 腳本提取與翻譯：隔離後的語音會被轉錄並翻譯成目標語言，同時保留原始說話者的意圖、語氣和語境含義。

步驟 3 — 透過 ElevenLabs v3 進行語音合成：翻譯後的腳本被輸入至 ElevenLabs v3 引擎，再以原始說話者的聲音為基礎合成新的語音軌道。

步驟 4 — 嘴型同步與視覺對齊：Perso AI 逐影格的嘴型同步技術會將配音音訊與說話者的嘴部動作對齊。目前 Perso Dubbing 在所有付費方案中提供自動嘴型同步，各方案設有每月嘴型同步額度。

步驟 5 — 匯出：最終完成配音的影片 —— 無縫重新插入了原始背景音訊 —— 可供匯出，符合廣播級品質。

2025 年宣布時的關鍵技術規格：

這項合作夥伴關係適合誰？

YouTube 創作者與獨立電影製作人 觸及西班牙文、日文、葡萄牙文、德文及其他多種語言的新觀眾群，無需重新錄製任何一句話。Perso AI 能跨越每種語言保留您的聲音特徵，讓您的頻道在任何地方聽起來都像您自己的聲音。

企業行銷團隊 擴展在地化影片宣傳活動，而無需增加製作預算。單一母片影片即可轉換為 10 個、20 個或 30 個適應市場的資產，無需代理商開銷或錄音室時間。

線上學習與企業培訓 以母語向分佈在世界各地的團隊提供入職影片、合規培訓和產品教學。每部影片支援多達 10 位同時發言的說話者，意味著即使是小組討論和多主持人形式也能得到完美支援。

廣播與媒體公司 媒體團隊可為每部影片最多 10 位說話者的訪談、座談與節目配音，聲音複製功能會在每種語言中保留每位說話者本身的聲音。

Perso AI 對比傳統配音

傳統的影片在地化涉及一連串的供應商：翻譯公司、配音演員選角、錄音室、影片剪輯師和品質把關審查員。每個步驟都會增加成本、時間，並伴隨著品牌聲音被稀釋的風險。

Perso AI 將這整個工作流程簡化至單一平台：

時間：傳統上需要 2 到 4 週的時間，現在僅需幾小時即可完成。一部 10 分鐘的影片透過 Perso AI 處理，端到端大約需要 10 至 30 分鐘。

成本：單一語言的錄音室配音費用，根據影片長度和說話者人數，每部影片可能高達 500 至 5,000+ 美元不等。Perso AI 的平台定價使得多語言配音只需極小部分的成本即可實現。

品質：Perso AI 結合自有配音模型與全球 AI 基礎模型，聲音複製功能則在每種目標語言中保留原始說話者的語氣與節奏。

一致性：AI 驅動的配音不論何時，在每種語言、每部影片中都能保持 100% 的品牌聲音一致性 —— 這是即使最優秀的真人配音團隊在大規模運作下也難以實現的。

不論多語言內容聽起來多麼出色，如果未能與演講者妥善同步，便無法給觀眾留下正確的印象。當被迫切換到外部演講者時，具有獨特特質的品牌將難以與觀眾建立連結。藉助 Perso AI 完美的嘴型同步技術，這一切都將成為過去。

針對迎面或側面位置的面部及嘴部動作進行逐影格分析，使另一種語言的 AI 語音能與任何說話者相配。事實上，每部影片最多支援十人。有了聲音複製功能與 Perso AI 的嘴型同步配音，觀眾能獲得與品牌意圖一致的真實且多元化體驗。

今天就開始使用 Perso AI 進行配音

無論您是配音第一部國際影片的個人創作者，還是管理全球內容庫的企業團隊，其工作流都是相同的：上傳、翻譯、配音、匯出。

👉 免費體驗 Perso Dubbing

常見問題解答 

Perso AI 是 ElevenLabs 的官方合作夥伴嗎？

是的。Perso AI 是 ElevenLabs 的官方技術合作夥伴。在 2025 年宣布合作時，ElevenLabs v3 被整合為 Perso AI 配音平台的核心語音合成引擎。現在，Perso Dubbing 結合自有配音模型與全球 AI 基礎模型。

什麼是 ElevenLabs v3，Perso AI 當時是如何使用它的？

ElevenLabs v3 是 ElevenLabs 的語音合成模型，專為情感精準度、韻律忠實度及多說話者支援而設計。在 2025 年宣布合作時，Perso AI 使用 v3 以原始說話者的聲音為基礎合成配音音軌。

ElevenLabs v3 整合當時支援多少種語言？

在 2025 年宣布時，這項整合涵蓋 33 種以上語言。現在，Perso Dubbing 可將影片配音為 99 種以上語言。

Perso AI 每部影片支援多少位說話者？

Perso AI 每部影片支援多達 10 位同時發言的說話者。透過聲音複製，在語言切換中，每位說話者的聲音特徵都會被單獨保留。

使用 Perso AI 進行 AI 配音有多快？

平均處理時間為每分鐘原始影片需 1-3 分鐘。一部 10 分鐘的影片通常可在 30 分鐘內完成端到端的配音。

我需要技術背景才能使用 Perso AI 嗎？

不需要。Perso AI 是一個無程式碼的 SaaS 平台。工作流程為：上傳 → 選擇語言 → 編輯腳本（可選） → 匯出。無需程式碼，無需錄音室建置，亦無需協調供應商。

我可以在不同的語言中保留我的原始聲音嗎？

可以。Perso Dubbing 的聲音複製功能可在每種目標語言中複製您原始聲音的音調、腔調和情感特徵，讓所有輸出影片皆保持品牌聲音的一致性。

Perso AI 何時成為 ElevenLabs 的合作夥伴？

Perso AI 和 ElevenLabs 於 2025 年正式確立了技術合作關係。