ElevenLabs v4登頂TTS榜，超過Gemini和Qwen

BiRun 訊，ElevenLabs 發布新一代語音模型 Eleven v4 和實時版 Eleven v4 Turbo。v4 主打更自然的情緒和聲音控製，Turbo 面向實時語音 Agent，中位推理延遲約 100ms。

在 Artificial Analysis 最新 TTS 盲測榜中，Eleven v4 目前以 1315 Elo 排第一。Cartesia Sonic 3.6 為 1275，Gemini 3.8 Flash TTS 為 1267，Qwen-Audio-3.0-TTS-Plus 為 1258。上一代 Eleven v3 目前只有 1169，排第 17。

v3 已經支持笑聲、耳語等音頻標簽，v4 主要把這套控製做得更準。用戶可以直接指定語氣、節奏、情緒和音效，也可以用自然語言描述一句話該怎麼說。模型還把語言覆蓋從 70 多種擴到 90 多種，Instant Voice Clone 只需要約 10 秒音頻，並增強了長文本和多人對話中的聲音一致性。

Turbo 則專門解決實時對話的速度問題。官方文檔顯示，v3 Conversational 的中位推理延遲約為 280ms，v4 Turbo 降到約 100ms。

信源

動察 Beating 頻道 · 動察 Beating 交流羣。