Компания ElevenLabs представила модель Eleven v4, предназначенную для генерации речи с повышенной выразительностью и стабильностью. Архитектура системы анализирует контекст, темп и тон текста, позволяя пользователям управлять произношением через теги или фонетическую запись. Модель поддерживает более 90 языков, обеспечивая сохранение акцента при клонировании голоса.
Версия Turbo оптимизирована для работы в реальном времени, например, в игровых персонажах или клиентских сервисах. Задержка генерации составляет 150 миллисекунд, что быстрее показателей Cartesia Sonic 3.6 (262 мс) и OpenAI GPT-4o mini (814 мс). Разработчик заявляет, что новая архитектура позволяет совместить высокую скорость с качеством звучания.
Модель обрабатывает до 10 000 символов за запрос, что соответствует 10 минутам аудио. Точность произношения по внутренним тестам достигла 91,7 процента против 85,6 процента у предыдущей версии. Инструмент доступен через API, ElevenAgents и ElevenCreative. Данные пользователей по умолчанию хранятся в США, однако корпоративные клиенты могут выбрать ЕС, Индию или Сингапур.
Стандартная стоимость API составляет $80 за миллион символов для основной модели и $40 для версии Turbo. До 12 октября действуют сниженные тарифы — $22 и $11. Компания также развивает маркетплейс лицензируемых голосов, где актеры могут зарабатывать на использовании своих клонов. В библиотеке уже доступны голоса знаменитостей, включая Майкла Кейна.
