ElevenLabs发布v4语音模型：Turbo版 150 毫秒出声，支持 90 多种语言
v4主打长音频中的音色一致性与更准的语音标签控制，支持 90 多种语言；Turbo变体面向实时语音代理，ElevenLabs内部测试中 150 毫秒开始出声。标准API价 80 美元/百万字符，10 月 12 日前降至 22 美元。
AI解读：ElevenLabs发布Eleven v4语音模型，重点解决两个老问题：长内容里音色会飘，以及脚本里写的“笑”“耳语”“关门声”不一定照做。官方说法是v4能分析脚本的语气、节奏和上下文，标签跟得更准，重新生成某一句后整体声音也更一致。
对做有声书、配音的人来说，单次最多 1 万字符（约 10 分钟），更长的作品要分段，但官方称跨段落的节奏和表达能保持稳定。克隆音色说外语时也不会再漂回原来的口音，这在多语言配音里是直接省事的地方。
实时场景有单独的Turbo：官方测试中 150 毫秒开始出声，对比Cartesia Sonic 3.6的 262 毫秒和OpenAI GPT-4o mini TTS的 814 毫秒。这些数字来自ElevenLabs自己的对比，不是第三方复测。
价格方面，v4标准API为每百万字符 80 美元，Turbo为 40 美元，10 月 12 日前分别降到 22 美元和 11 美元；Creator套餐（22 美元/月）及以上可在ElevenCreative免费使用v4两周，用量上限为当月额度的两倍。
v4在Artificial Analysis的Voice Arena排行榜上排在Cartesia Sonic 3.6和Google Gemini 3.8 Flash TTS之前，发音基准得分 91.7%，v3为 85.6%；盲测中约四分之三的听众更偏好v4。这些评测结果由ElevenLabs或第三方平台给出，实际体验仍取决于具体语言和文本。
ElevenLabs发布新一代语音模型Eleven v4，官方称其在长音频制作中保持音色一致，并更准确地执行脚本里的情绪、停顿和音效标签。同时推出面向实时语音代理的Turbo变体，官方测试中约 150 毫秒开始出声。
v4支持 90 多种语言，v3约为 70 种。单次请求最多处理 1 万字符，约 10 分钟音频；更长的有声书等内容需要分段生成，ElevenLabs称跨段落的节奏和表达预期保持一致。
v4能生成笑声、耳语、关门声等声音，v3发布于一年多前，已支持这些音频标签，但执行准确度较低。用户可以用标签或普通句子给出指令，并可用音标拼写指定人名和技术术语的发音，公司称发音控制现在更可靠。
官方称v4采用新架构分析脚本的语气、节奏和上下文；旁白和角色在整个制作中应保持一致，即使用户多次重新生成单行。对话场景中，AI说话人会根据整个场景的上下文回应，而不是孤立地逐行输出。
克隆音色在说其他语言时应带母语口音，且不会随时间漂回原口音。Professional Voice Clones在v3中不受支持，现在恢复可用；“Instant Voice Clone”只需 10 秒音频。
Turbo面向客服电话、游戏角色等实时场景。ElevenLabs称语音代理开发者此前需要在速度和表现力之间取舍，v4 Turbo意在两者兼顾。在该公司测试中，Turbo开始发出可听语音耗时 150 毫秒，Cartesia Sonic 3.6为 262 毫秒，OpenAI的GPT-4o mini TTS为 814 毫秒。Turbo与ElevenAgents平台一同优化。
排行榜与盲测：v4排在前列，但数据来自厂商或指定平台
在Artificial Analysis的Provider Voice Arena排行榜上，Eleven v4排在Cartesia Sonic 3.6和Google Gemini 3.8 Flash TTS之前。v4在发音基准上得分 91.7%，v3为 85.6%。
ElevenLabs的盲测中，约四分之三的听众在对比Cartesia、Inworld和Google的模型时更偏好v4。该公司的另一组盲测中，听众在 65% 到 81% 的对比里认为v4表现力更强，具体比例取决于对手模型。
定价与可用性：标准价 80 美元/百万字符，10 月 12 日前有临时折扣
ElevenLabs标准API定价为v4每百万字符 80 美元，Turbo为 40 美元。到 10 月 12 日为止，价格分别降至 22 美元和 11 美元。
ElevenLabs称，22 美元/月的Creator套餐及以上用户可在ElevenCreative中免费使用v4两周，用量上限为其月度额度的两倍。作为对比，Artificial Analysis列出Cartesia Sonic 3.6为每百万字符 49 美元，Gemini 3.8 Flash TTS为 16.49 美元。
两款模型现已在ElevenAgents、ElevenCreative和API中可用。ElevenLabs文档称客户数据默认存储在美国；企业客户可将数据存储在欧盟、印度或新加坡的隔离环境中，但部分处理可能在所选区域之外进行。在欧盟，客户可使用不保留数据的模式将API处理保持在本地区内。
配音用途与声音授权
更高品质的声音克隆让v4可用于配音，ElevenLabs宣传的能力是让演员的声音覆盖所有支持的语言。公司从声音本人处获得授权。
配音演员可以在ElevenLabs的声音库中提供经过大量训练的克隆声音，当付费用户使用时获得收入。ElevenLabs已通过专门的市场提供迈克尔·凯恩等名人声音。
同期动态：Music 2.5模型
ElevenLabs还在 9 月中旬发布了Music 2.5模型，旨在生成更密集、更自然的歌曲。