Sakhanda Wire
NVDA $153.78 -1.51% MSFT $504.71 -2.56% GOOGL $279.10 -1.63% META $617.85 -1.37% AMZN $256.64 -0.43%
← До новин

Eleven v4 робить ШІ-голоси виразнішими та стабільнішими

Компанія ElevenLabs випустила Eleven v4 — модель синтезу мовлення, яка точніше виконує вказівки щодо емоцій, пауз і звукових ефектів. Вона надійніше відтворює сміх, шепіт і такі звуки, як грюкання дверима. Нова архітектура аналізує тон, темп і контекст сценарію. Інструкції можна задавати тегами або звичайними реченнями, а для імен і технічних термінів використовувати фонетичне написання.

Eleven v4 підтримує понад 90 мов і обробляє до 10 000 символів за один запит — приблизно десять хвилин аудіо. За словами ElevenLabs, голоси залишаються послідовними під час повторного створення окремих реплік і об’єднання сегментів у довших проєктах, зокрема аудіокнижках. Professional Voice Clones знову доступні, а для Instant Voice Clone потрібні лише десять секунд запису.

Також представлено Eleven v4 Turbo для голосових агентів реального часу, зокрема сервісних дзвінків та ігрових персонажів. Компанія заявляє, що варіант починає генерувати чутне мовлення приблизно за 150 мілісекунд. Стандартна ціна становить $80 за мільйон символів для v4 і $40 для Turbo; до 12 жовтня діють тимчасові тарифи $22 і $11. Обидві версії доступні через ElevenAgents, ElevenCreative та API.

Текст підготовлено ШІ Sakhanda Wire за матеріалом The Decoder. Факти, цитати та повний контекст — в оригінальній статті нижче.

Вперше опубліковано виданням The Decoder

Читати оригінал на The Decoder ↗

Репортаж і зображення належать The Decoder і зазначені вище з посиланням на оригінал; текст на цій сторінці — власний виклад Sakhanda Wire.

← До новин

Ще новини

Усі останні новини