ElevenLabs выпустила Eleven v4 и Turbo-версию с задержкой около 100 мс

ElevenLabs объявила о выходе двух новых моделей синтеза речи — Eleven v4 и Eleven v4 Turbo. Обе построены на одной базе и дают более выразительную речь и точнее клонируют голос, но решают разные задачи: одна — для контента, вторая — для живого диалога с агентом.

Что нового

Eleven v4 предназначена для создания контента и длинной аудиозаписи через ElevenLabs Text to Dialogue API: подкасты, аудиокниги, дубляж. Eleven v4 Turbo — та же модель речи, но оптимизированная под реальное время: голосовые агенты и интерактивные приложения получают её через WebSocket-подключение.

Вместе с моделями обновился и сам API: параметр use_pvc_as_ivc позволяет использовать облегчённую (Instant) версию профессионального клона голоса — это либо снижает задержку, либо усиливает выразительность, в зависимости от сценария. Для длинной генерации добавлена сцепка кусков текста через previous_text, future_text и связанные request_id — модель «помнит» контекст соседних фрагментов и не рвёт интонацию на стыках. В настройках голоса появился параметр similarity (0–1, по умолчанию 0,75) — тонкая регулировка точности клонирования.

Что это значит на практике

Turbo-версия — прямой ответ на главный узкий вопрос голосовых агентов: связка «распознать → подумать → произнести» либо звучит с задержкой, либо жертвует качеством. ElevenLabs держит именно эту нишу с самого начала гонки голосовых ИИ-агентов в реальном времени (разбор NeiroAI) — Eleven v4 Turbo обновляет её ставку на актуальную версию речевой модели без потери скорости отклика.

Доступ — как и прежде, по подписке через иностранную карту или сервис-посредник: приёма российских карт у ElevenLabs нет. Бесплатный тариф с ограниченным числом символов в месяц остаётся доступен для тестирования обеих моделей.