ElevenLabs发布v4语音模型，支持90余种语言及10秒克隆
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载两款新模型同时登场
ElevenLabs 推出了两款语音模型，分别命名为 v4 与 v4 Turbo。两者共同的变化集中在三个方面：表达控制力增强、面向语音智能体的延迟降低、可覆盖的语言数量超过 90 种。上一代 v3 是在去年发布的，今年早些时候该公司在一场活动中已经对新一代模型做过预告。此次发布把此前预告的内容落到了具体产品上，并且一次给出两个版本，让不同需求的调用方可以在标准版与 Turbo 版之间做选择。
新架构与十秒克隆
这一代模型换用了新的架构。按照该公司的说法，架构调整带来的直接结果是控制能力更好，同时声音克隆的速度更快。一个具体的门槛是：使用 v4 时，用户只需要 10 秒的音频素材就能完成一次声音克隆。这个数字的意义在于把克隆所需的录音长度压到了很短的量级，意味着可用素材的获取难度下降，短片段也能进入克隆流程。与 v3 相比，架构层面的改动而非单纯的参数调整，是这次能力变化的来源。
低延迟面向语音智能体
v4 Turbo 的定位与延迟有关，指向的是语音智能体这类需要实时来回的场景。语音智能体在对话中要经历识别、生成、发声等环节，任何一段的等待都会累积成可感知的停顿，因此延迟是这类应用的关键指标之一。把 Turbo 版本单独列出，说明该公司在标准版之外提供了一条更偏向响应速度的路径。表达控制与低延迟被放在同一代产品里，对应的是既要声音有表现力、又要交互不拖沓的两类诉求。
九十多种语言与适用边界
语言覆盖方面，这一代模型支持超过 90 种语言，相比前代在适用范围上有所扩展。对使用者来说，可选项变多意味着同一套模型能覆盖更多语种的内容生产与交互场景，而不必为不同语言分别寻找方案。需要注意的是，材料给出的信息集中在模型能力与发布动作本身：克隆所需的 10 秒音频、90 多种语言、v4 与 v4 Turbo 两个版本，以及新架构带来的控制力与克隆速度变化。至于各语种的实际表现差异、具体调用方式与计费安排，材料中没有涉及。
为什么值得看
10秒极速克隆与90+语言支持大幅降低语音代理开发门槛，新架构或重塑语音合成技术基准。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。