המודל החדש Eleven v4 של ElevenLabs הופך קולות מלאכותיים להבעתיים יותר

ElevenLabs הציגה מודל חדש לדיבור, Eleven v4. לפי החברה, הוא מבצע הנחיות במאיות בצורה מדויקת יותר ושומר על קול אחיד לאורך פרויקט ארוך. Eleven v4 Turbo, המיועד לסוכני קול בזמן אמת, מתחיל להשמיע שיחה תוך כ-150 אלפיות שנייה.

עקביות רבה יותר

Eleven v3 יצא לפני כשנה; אפקטים כמו צחוק, לחישה ורעש דלת עבדו כבר אז, אך ההנחיות בוצעו בפחות דיוק. לדברי החברה, v4 משתמש בארכיטקטורה חדשה שמנתחת טון, קצב והקשר של התסריט. אפשר לתת הוראות בתגים או במשפט רגיל, והגיית שמות ומונחים טכניים מווסתת באמצעות תעתיק פונטי. שליטה בהגייה פועלת כעת באופן מהימן יותר, וקול המספר והדמות נשמעים אחיד לאורך כל הפרויקט גם כאשר משפט בודד מושמע מחדש כמה פעמים.

לבקשה אחת המודל מקבל 10 000 תווים, שהם כ-10 דקות אודיו, ויצירות ארוכות יותר מחולקות למספר מקטעים. מספר השפות הנתמכות עולה על 90, בעוד של-v3 היו כ-70 שפות. קולות משובטים מדברים בשפות אחרות במבטא ילידי, ו-Professional Voice Clone, שלא עבד ב-v3, זמין שוב ב-v4. Instant Voice Clone דורש 10 שניות אודיו.

Turbo לסוכנים בזמן אמת

ElevenLabs משיקה גם גרסה מהירה יותר של v4 לשיחות שירות ולדמויות במשחקים. לדברי החברה, עד כה מפתחים נאלצו לבחור בין מהירות להבעה, ו-Turbo מציע את שניהם. בבדיקות החברה הצליל הראשון הנשמע מושמע תוך 150 אלפיות שנייה, Cartesia Sonic 3.6 דורש 262 אלפיות שנייה, ו-OpenAI GPT-4o mini TTS — 814 אלפיות שנייה. Turbo עבר אופטימיזציה נפרדת עבור פלטפורמת ElevenAgents.

בדיקות ומחירים

בדירוג Provider Voice Arena של Artificial Analysis, Eleven v4 מקדים את Cartesia Sonic 3.6 ואת Google Gemini 3.8 Flash TTS. במבחן הגייה המודל קיבל 91,7% לעומת 85,6% של v3. בבדיקות עיוורות של החברה, כשלושה רבעים מהמאזינים דירגו את v4 כהבעתי יותר: היתרון מול Cartesia Sonic 3.6 ו-Inworld TTS-2 הוא 81%, מול Gemini 3.8 Flash-Lite TTS — 72%, ומול Gemini 3.8 Flash TTS — 65%.

המחיר הסטנדרטי של API עבור v4 הוא 80 דולר למיליון תווים, עבור Turbo — 40 דולר, ועד 12 באוקטובר — 22 ו-11 דולר. משתמשים בתוכנית Creator יכולים להשתמש ב-v4 ב-ElevenCreative במשך שבועיים ללא עלות נוספת. שני המודלים זמינים ב-ElevenAgents, ב-ElevenCreative ובאמצעות API.