ElevenLabs je obvestilo ob izidu začel z eno samo repliko: "Moraš ostati miren." Iz ust zdravnika, ki govori prestrašenemu bolniku, mora zveneti nežno, iz ust junaka v igri, ki pred bitko kriči svoji enoti, pa nikakor ne. Podjetje je 28. septembra 2026 izdalo Eleven v4, ki ga je označilo za svoj doslej najbolj čustveni model za pretvorbo besedila v govor, in hitrejšo različico Eleven v4 Turbo za glasovne agente in pogovore v živo.
Novost nagovarja dve skupini. Ustvarjalci zvočnih knjig, sinhronizacij in dialogov za igre dobijo model, ki ga lahko usmerjajo z navadnimi besedami v več kot 90 jezikih. Podjetja, ki gradijo telefonske agente in agente za podporo, dobijo model Turbo, ki po meritvah ElevenLabs začne govoriti v približno 150 milisekundah. Do 12. oktobra sta oba v API 72 odstotkov cenejša od redne cene.
- Kaj: Eleven v4 (eleven_v4) in Eleven v4 Turbo (eleven_v4_turbo), modela za govor in dialog.
- Cena: 0,022 in 0,011 dolarja za 1.000 znakov v API do 12. oktobra, nato 0,08 in 0,04 dolarja.
- Zakaj je pomembno: več kot 90 jezikov, hitri kloni glasu iz 10 sekund posnetka, hitrejši odzivi agentov.
Glas, ki ga režiraš z navadnimi besedami
ElevenLabs pravi, da Eleven v4 temelji na povsem novi arhitekturi, ki iz besedila razbere ton, tempo, čustva, značaj in kontekst. Uporabniki lahko opišejo, kako naj bo replika izgovorjena, in v besedilo vstavijo oznake, kot so [laughs], [said angrily in French accent], [light rain] ali [phone buzzing]. "Ker model razume kontekst celotnega prizora, ustvarja naraven dialog, v katerem se govorci odzivajo na pravkar povedano, namesto da bi lepil skupaj ločene replike," je podjetje zapisalo v obvestilu.
Dnevnik sprememb model eleven_v4 usmerja v Text to Dialogue API, za ustvarjanje vsebin in daljše zvočne posnetke, eleven_v4_turbo pa v različico tega vmesnika prek WebSocketa, za agente in interaktivne aplikacije. Ena generacija lahko obsega do 10.000 znakov, navaja predstavitvena stran. Oba modela uporabljata dve nastavitvi glasu, Stability in Similarity. Drsnikov Style in Speed ni, SSML, označevalni jezik, s katerim so starejši govorni sistemi določali premore in izgovorjavo, pa ni podprt, piše v dokumentaciji.
Podpora se po navedbah ElevenLabs razširi na več kot 90 jezikov, s 70 v prejšnji različici, je poročal TechCrunch, največ pa so kakovost izboljšali v japonščini, brazilski portugalščini, mandarinščini in kantonščini. Kadar se jezik izhoda razlikuje od jezika referenčnega glasu, Eleven v4 po navedbah dokumentacije "ustvari tekoč, naravno zveneč govor v ciljnem jeziku", namesto da bi prenesel prvotni naglas.
Turbo za agente
ElevenLabs navaja, da je mediana zakasnitve sklepanja pri Eleven v4 Turbo približno 100 milisekund, mediana časa do prvega govora pa približno 150 milisekund. V primerjavi, ki jo je pripravilo podjetje samo, so tekmeci potrebovali od 262 do 814 milisekund, od Cartesia Sonic 3.6 do OpenAI GPT-4o mini TTS. Meritve je opravil proizvajalec.
V ElevenAgents, platformi podjetja za glasovne agente, naj bi model med klicem prilagajal ton, "pomirjujoče, ko je klicatelj razburjen, in jasneje, ko je zmeden", je zapisal ElevenLabs. Ta trg je za podjetje pomemben: TechCrunch je poročal, da več kot 55 odstotkov poslovanja ustvari pri velikih podjetjih in da so se njegovi anualizirani prihodki povečali s približno 330 milijonov dolarjev na začetku leta na več kot 600 milijonov. ElevenLabs trdi tudi, da je Eleven v4 na lestvici primerjalnega podjetja Artificial Analysis zasedel prvo mesto in da mu je pri slepih preizkusih proti tekmecem dalo prednost približno 75 odstotkov poslušalcev; obe trditvi izhajata iz gradiv ob izidu.
Kloni, oblikovani glasovi in zaščite
Hitre klone glasu (Instant Voice Clones) je po navedbah ElevenLabs zdaj mogoče narediti iz 10 sekund posnetka, v4 pa dodaja podporo za profesionalne klone (Professional Voice Clones), namenjene najzvestejšemu kloniranju. Dokumentacija navaja, da se ta podpora "trenutno uvaja za vse in bo na voljo v nekaj dneh". Glasovi, ustvarjeni z orodjem Voice Design, se obnesejo slabše: "Glasovi Voice Design delujejo z Eleven v4, vendar morda niso tako izrazni ali ne zvenijo tako dobro kot s prejšnjimi modeli," opozarja dokumentacija.
Gradiva ob izidu ne navajajo novih zaščit, vezanih prav na v4. Na predstavitveni strani ElevenLabs piše, da vsak klon glasu v v4, hitri ali profesionalni, "zahteva preverjeno soglasje lastnika glasu" in da klasifikator AI Speech Classifier ustvarjeni zvok prepozna kot delo umetne inteligence. Za profesionalne klone veljajo strožja pravila. "Za zdaj dovoljujemo le kloniranje lastnega glasu," piše v vodniku ElevenLabs za kloniranje, uporabnik pa mora pred učenjem klona opraviti preverjanje z branjem vrstic na glas. "Glasu nekoga drugega ne morete klonirati niti z njegovim soglasjem."
Cena in uvodni popust
| Model (API) | Do 12. oktobra | Redna cena |
|---|---|---|
| Eleven v4 | 0,022 dolarja za 1.000 znakov | 0,08 dolarja |
| Eleven v4 Turbo | 0,011 dolarja za 1.000 znakov | 0,04 dolarja |
Cenik API za Eleven v3 ohranja 0,08 dolarja za 1.000 znakov. V aplikacijah ElevenLabs naročniki paketa Creator in višjih do istega datuma za v4 dobijo trikrat več kreditov, oba modela pa lahko uporabljajo tudi brezplačni računi; brezplačni paket vključuje 10.000 kreditov na mesec. Eleven v4 in v4 Turbo delujeta v ElevenAgents, ElevenCreative in ElevenLabs API, popust pa se izteče 12. oktobra.
Komentarji
Komentarje pregledamo, preden jih objavimo.
Komentarjev še ni. Bodite prvi.