⚙️ ElevenLabs выпустила Eleven v4: голоса стали выразительнее и стабильнее

ElevenLabs представила новую модель синтеза речи Eleven v4. Она точнее следует режиссёрским указаниям - тегам вроде «шёпот», «смех», «долгая пауза» или «звук хлопающей двери» - и сохраняет единое звучание голоса на протяжении длинных проектов, включая аудиокниги и дубляж.

Новая архитектура анализирует тон, темп и контекст сценария. Модель обрабатывает до 10 000 знаков за запрос (около десяти минут аудио), поддерживает более 90 языков вместо 70 у v3 и позволяет задавать произношение имён и терминов фонетически: точность на бенчмарке выросла с 85,6% до 91,7%. Профессиональные клоны голосов снова работают, а для Instant Voice Clone достаточно десяти секунд записи.

Отдельно выходит вариант Eleven v4 Turbo для голосовых агентов и игровых персонажей: он начинает говорить примерно через 150 мс против 262 мс у Cartesia Sonic 3.6 и 814 мс у OpenAI GPT-4o mini TTS. Обе модели уже доступны в ElevenAgents, ElevenCreative и через API. Стандартная цена - $80 за миллион знаков (Turbo - $40), но до 12 октября действует скидка до $22 и $11.

🎨 qvabo.studio/tg · картинки и видео

#AI #ElevenLabs #TTS #VoiceSynth #VocalAgents