Eleven v4 делает ИИ-голоса выразительнее и стабильнее
Компания ElevenLabs выпустила Eleven v4 — модель синтеза речи, которая точнее выполняет указания об эмоциях, паузах и звуковых эффектах. Она надежнее воспроизводит смех, шепот и такие звуки, как хлопок двери. Новая архитектура анализирует тон, темп и контекст сценария. Инструкции можно задавать с помощью тегов или обычных предложений, а для имен и технических терминов использовать фонетическое написание.
Eleven v4 поддерживает более 90 языков и обрабатывает до 10 000 символов за один запрос — примерно десять минут аудио. По данным ElevenLabs, голос остается стабильным при многократной генерации отдельных реплик и при объединении сегментов в длинных проектах, например аудиокнигах. Professional Voice Clones снова доступны, а для Instant Voice Clone требуется десять секунд записи.
Одновременно представлен Eleven v4 Turbo для голосовых агентов, работающих в реальном времени, включая сервисные звонки и игровых персонажей. Компания заявляет, что вариант начинает выдавать слышимую речь примерно через 150 миллисекунд. Обычная цена составляет $80 за миллион символов для v4 и $40 для Turbo; до 12 октября действуют временные тарифы $22 и $11. Оба варианта доступны через ElevenAgents, ElevenCreative и API.
Текст подготовлен ИИ Sakhanda Wire по материалу The Decoder. Факты, цитаты и полный контекст — в оригинальной статье ниже.