Eleven v4: що зміниться для озвучки та голосового контенту
ElevenLabs випустила Eleven v4 і v4 Turbo 28 вересня 2026 року. Що сказано в анонсі і що маркетологам та засновникам варто перевірити першим.
ElevenLabs випустила дві нові моделі синтезу мовлення 28 вересня 2026 року: Eleven v4 і швидший варіант Eleven v4 Turbo. За анонсом компанії, v4 орієнтована на виразніше мовлення, а Turbo на низьку затримку, наприклад для живих агентів.
Якщо ви робите озвучку, рекламу чи відео про продукти, ось що нового і що ми б протестували першим.
Що оголосила ElevenLabs?
За анонсом компанії та записом у changelog від 28 вересня 2026 року:
- Дві моделі. Eleven v4 для виразної озвучки і Eleven v4 Turbo для швидкості.
- Затримка. Висвітлення запуску наводить медіанну затримку виведення близько 100 мілісекунд для Turbo і медіанний час до першого звуку близько 150 мілісекунд. Це цифри вендора, виміряні на його власному налаштуванні.
- Мови. Обидві охоплюють близько 90 мов, порівняно з 70 у попередній версії.
- Керування виразністю. Моделі враховують тон, темп і контекст та приймають вбудовані аудіотеги в сценарії, наприклад [laughing] або [whispering]. У v4 теги пауз SSML вимкнено на користь цих природномовних підказок.
- Клонування голосу. Голос можна клонувати з близько 10 секунд аудіо. Старі клони Instant і Professional, за висвітленням запуску, потребують перенавчання для v4.
- Де працює. Доступна в ElevenAgents, ElevenCreative і через API.
Анонс компанії також містить заяви про рейтинги. Це слова самої компанії, тож сприймайте їх як маркетинг, доки не почуєте модель на власному сценарії.
Чому це важливо для маркетологів?
Виділяються дві речі.
По-перше, аудіотеги. Вказівка на кшталт «laughing» або настрій прямо в сценарії означає менше перезнімань і менше редагування. Для коротких реклам це може бути різницею між голосом, який звучить зачитаним, і голосом, який звучить сказаним.
По-друге, короткий зразок для клонування. Десять секунд знижують поріг створення брендового голосу. Водночас вони підвищують ставки щодо згоди. Клонуйте лише голоси, для використання яких у вас є письмовий дозвіл, і зберігайте цей дозвіл у файлах.
Що протестувати першим?
Ми б провели 30-хвилинний тест, перш ніж міняти будь-який процес.
- Візьміть один реальний 30-секундний сценарій, включно з назвою продукту і цифрами.
- Згенеруйте його з v4 і зі своїм поточним голосом.
- Додайте два-три аудіотеги там, де людина зробила б паузу або посміхнулася.
- Відтворіть його двома основними мовами і дайте послухати носієві мови.
- Порівняйте вартість і терміни виконання, а не лише звучання.
Якщо вимова назви вашого бренду в якійсь мові хибна, виправте її словником вимови або написанням, перш ніж судити про модель.
Що стежити далі?
Відкриті питання: ціни, ліміти запитів і реальна якість у менш поширених мовах. Наш гайд про вибір AI-інструмента для відео, голосу чи зображень охоплює перевірки прав і вартості, які варто провести перед покупкою. А хаб AI-зображень, відео та медіа стежить за новими релізами в цій сфері.
Часті запитання
Що таке Eleven v4?
Це модель синтезу мовлення ElevenLabs, випущена 28 вересня 2026 року. Вона створена для виразнішого мовлення з вбудованими аудіотегами.
Чим v4 відрізняється від v4 Turbo?
Turbo це версія з низькою затримкою для роботи в реальному часі, яку компанія оцінює медіанною затримкою близько 100 мс. v4 це виразна модель для озвучки й контенту.
Чи можна клонувати голос із 10 секундами аудіо?
ElevenLabs каже, що клон тепер працює з близько 10 секунд аудіо. Вам однаково потрібен дозвіл від людини, чий це голос.
