ElevenLabs'ın yeni modeli Eleven v4 yapay sesleri daha etkileyici yapıyor

ElevenLabs, yeni konuşma modeli Eleven v4'ü tanıttı. Şirkete göre model, yönetmen talimatlarını daha doğru uyguluyor ve uzun bir proje boyunca sesi aynı tutuyor. Gerçek zamanlı sesli ajanlar için tasarlanan Eleven v4 Turbo, konuşmayı yaklaşık 150 milisaniyede seslendirmeye başlıyor.

Daha fazla tutarlılık

Eleven v3 yaklaşık bir yıl önce çıktı; kahkaha, fısıltı ve kapı sesi gibi efektler o zaman da çalışıyordu, ancak talimatları daha düşük doğrulukla uyguluyordu. Şirkete göre v4, senaryonun tonunu, temposunu ve bağlamını analiz eden yeni bir mimari kullanıyor. Talimatlar etiketlerle veya normal bir cümleyle verilebiliyor; adların ve teknik terimlerin telaffuzu ise fonetik yazımla düzenleniyor. Telaffuz kontrolü artık daha güvenilir çalışıyor ve anlatıcı ile karakterin sesi, tek bir cümle birkaç kez yeniden seslendirilse bile proje boyunca aynı duyuluyor.

Model tek bir istek için 10 000 karakter alıyor; bu yaklaşık 10 dakikalık sese denk geliyor, daha uzun çalışmalar ise birkaç bölüme ayrılıyor. Desteklenen dil sayısı 90'ı aşıyor; v3'te yaklaşık 70 dil vardı. Klonlanan sesler diğer dillerde ana dili aksanıyla konuşuyor; v3'te çalışmayan Professional Voice Clone ise v4'te yeniden kullanılabilir. Instant Voice Clone 10 saniye ses gerektiriyor.

Gerçek zamanlı ajanlar için Turbo

ElevenLabs ayrıca hizmet çağrıları ve oyun karakterleri için v4'ün daha hızlı bir sürümünü yayınlıyor. Şirkete göre geliştiriciler şimdiye kadar hız ile etkileyicilik arasında seçim yapmak zorundaydı; Turbo ise ikisini de sunuyor. Şirketin testlerinde ilk duyulabilir ses 150 milisaniyede çıkıyor, Cartesia Sonic 3.6 262 milisaniye, OpenAI GPT-4o mini TTS ise 814 milisaniye gerektiriyor. Turbo, ElevenAgents platformu için ayrıca optimize edildi.

Testler ve fiyatlar

Artificial Analysis'in Provider Voice Arena sıralamasında Eleven v4, Cartesia Sonic 3.6 ve Google Gemini 3.8 Flash TTS'yi geçiyor. Telaffuz testinde model %91,7 alırken v3 %85,6'da kaldı. Şirketin kör testlerinde dinleyicilerin yaklaşık dörtte üçü v4'ü daha etkileyici buldu: Cartesia Sonic 3.6 ve Inworld TTS-2 karşısında üstünlük %81, Gemini 3.8 Flash-Lite TTS karşısında %72, Gemini 3.8 Flash TTS karşısında %65.

API'nin standart fiyatı v4 için milyon karakter başına 80 dolar, Turbo için 40 dolar; 12 Ekim'e kadar ise 22 ve 11 dolar. Creator planı kullanıcıları v4'ü ElevenCreative'de iki hafta boyunca ek ücret ödemeden kullanabilir. Her iki model de ElevenAgents, ElevenCreative ve API üzerinden kullanılabilir.