ElevenLabs представила две новые модели text-to-speech — Eleven v4 (максимально выразительная озвучка) и Eleven v4 Turbo (для реалтайм-агентов). Компания перешла на полностью новую архитектуру: модель читает сценарий «как актёр озвучки» — понимает, кто говорит, что только что произошло по сюжету и с какой интонацией подать реплику. Число поддерживаемых языков выросло с 70+ (в v3) до 90+, включая русский.

Релиз сразу вывел ElevenLabs на первое место в рейтинге Provider Voice Arenai от Artificial Analysis, обогнав Cartesia Sonic 3.6 и Gemini 3.8 Flash TTS. Для бизнеса это значит: качественнее аудиокниги, реклама и брендовые голоса, но по цене выше многих конкурентов — юнит-экономику для колл-центров на миллионы минут стоит считать отдельно.

• В Provider Voice Arena (Artificial Analysis) Eleven v4 набрала Eloi 1319 — первое место среди всех четырёх категорий (саппорт, ассистенты, обучение, развлечения), опередив Cartesia Sonic 3.6 (1276) и Gemini 3.8 Flash TTS (1267); замер проведён на английском языке.
• В категории Controlled Voice (одинаковый кастомный голос у всех моделей) Eleven v4 заняла 2-е место с 1157 баллами, уступив только Qwen-Audio-3.1-TTS-Plus от Alibaba.
• Pronunciation Robustness — 91.7%, лучший результат, зафиксированный Artificial Analysis; у Gemini 3.8 Flash TTS — 89.5%, у прежней v3 — 85.6%.
• Скорость генерации выросла до 73.4 символа в секунду против 42.5 у v3.
• В текст можно вставлять теги вроде [laughs], [whispers], [door slams] — v4 слушается их лучше, чем v3; появилась технология context stitchingi для бесшовной подачи длинных текстов (аудиокниги); фраза не «плывёт» даже при 50 перегенерациях; вернули Professional Voice Clone, отсутствовавший в v3.
• Eleven v4 Turbo даёт задержку до первого звука ~150 мс (по замерам самой ElevenLabs у Sonic 3.6 — 262 мс, у GPT-4o mini TTS — 814 мс) и двунаправленный стриминг, когда звук начинает идти до того, как LLM закончила предложение; при этом другие топовые модели дают 75–150 мс.
• Цена — $80 за 1 млн символов (дешевле версии v3); для сравнения Sonic 3.6 — $49, Gemini 3.8 Flash TTS — $16.49 (в 5 раз дешевле при отставании всего на 52 пункта Elo), Inworld — в 4 раза дешевле, Grok и Soniox — ещё дешевле.
• По данным «Нейронавт», доступен клон голоса по 10-секундной записи, лимит до 10 000 символов на запрос с сохранением тембра на весь скрипт, бесплатный тариф — 10 000 кредитов в месяц, но только для ограниченного списка стран; старую SSML-разметку придётся переписывать под новый синтаксис тегов.