ElevenLabs-ის ახალი მოდელი Eleven v4 ხელოვნურ ხმებს უფრო გამომეტყველს ხდის

ElevenLabs-მა მეტყველების ახალი მოდელი Eleven v4 წარადგინა. კომპანიის განცხადებით, ის სარეჟისორო მინიშნებებს უფრო ზუსტად ასრულებს და გრძელი პროექტის განმავლობაში ხმას ერთნაირად ინარჩუნებს. რეალურ დროში მომუშავე ხმოვანი აგენტებისთვის განკუთვნილი Eleven v4 Turbo საუბრის გაჟღერებას დაახლოებით 150 მილიწამში იწყებს.

მეტი თანმიმდევრულობა

Eleven v3 დაახლოებით ერთი წლის წინ გამოვიდა; სიცილი, ჩურჩული და კარის ხმაურის მსგავსი ეფექტები მაშინაც მუშაობდა, თუმცა მინიშნებებს ნაკლები სიზუსტით ასრულებდა. კომპანიის თქმით, v4 ახალ არქიტექტურას იყენებს, რომელიც სცენარის ტონს, ტემპსა და კონტექსტს აანალიზებს. მითითებების მიცემა ტეგებით ან ჩვეულებრივი წინადადებით შეიძლება, სახელებისა და ტექნიკური ტერმინების გამოთქმა კი ფონეტიკური ჩაწერით რეგულირდება. გამოთქმის კონტროლი ახლა უფრო საიმედოდ მუშაობს, მთხრობელისა და პერსონაჟის ხმა კი მთელი პროექტის განმავლობაში ერთნაირად ჟღერს მაშინაც, როცა ცალკეული ფრაზა რამდენჯერმე თავიდან გაიჟღერება.

ერთი მოთხოვნისთვის მოდელი 10 000 სიმბოლოს იღებს, რაც დაახლოებით 10 წუთი აუდიოა, უფრო გრძელი ნამუშევრები კი რამდენიმე სეგმენტად იყოფა. მხარდაჭერილი ენების რაოდენობა 90-ს აღემატება, v3-ს დაახლოებით 70 ენა ჰქონდა. კლონირებული ხმები სხვა ენებზე მშობლიური აქცენტით ლაპარაკობენ, Professional Voice Clone კი, რომელიც v3-ში არ მუშაობდა, v4-ში კვლავ ხელმისაწვდომია. Instant Voice Clone-ს 10 წამი აუდიო სჭირდება.

Turbo რეალურ დროში მომუშავე აგენტებისთვის

ElevenLabs ასევე უშვებს v4-ის უფრო სწრაფ ვარიანტს მომსახურების ზარებისა და თამაშის პერსონაჟებისთვის. კომპანიის თქმით, დეველოპერებს აქამდე სიჩქარესა და გამომეტყველებას შორის არჩევა უწევდათ, Turbo კი ორივეს სთავაზობს. კომპანიის ტესტებში პირველი გასაგონი ბგერა 150 მილიწამში ჟღერს, Cartesia Sonic 3.6-ს 262 მილიწამი სჭირდება, OpenAI-ს GPT-4o mini TTS-ს კი 814 მილიწამი. Turbo ElevenAgents-ის პლატფორმისთვის ცალკე დაოპტიმიზდა.

ტესტები და ფასები

Artificial Analysis-ის Provider Voice Arena-ს რეიტინგში Eleven v4 Cartesia Sonic 3.6-სა და Google-ის Gemini 3.8 Flash TTS-ს უსწრებს. გამოთქმის ტესტზე მოდელმა 91,7% აიღო, v3-ის 85,6%-ის წინააღმდეგ. კომპანიის ბრმა ტესტებში მსმენელთა დაახლოებით სამმა მეოთხედმა v4 უფრო გამომეტყველად შეაფასა: უპირატესობა Cartesia Sonic 3.6-სა და Inworld TTS-2-ის წინააღმდეგ 81%, Gemini 3.8 Flash-Lite TTS-ის წინააღმდეგ 72%, Gemini 3.8 Flash TTS-ის წინააღმდეგ 65%.

API-ის სტანდარტული ფასი v4-ისთვის მილიონ სიმბოლოზე 80 დოლარია, Turbo-სთვის 40 დოლარი, 12 ოქტომბრამდე კი 22 და 11 დოლარი. Creator გეგმიდან მომხმარებლებს v4 ElevenCreative-ში ორი კვირის განმავლობაში დამატებითი ფასის გარეშე შეუძლიათ. ორივე მოდელი ხელმისაწვდომია ElevenAgents-ში, ElevenCreative-ში და API-ის მეშვეობით.