ElevenLabs открыла промо-окно по новой модели Eleven v4 и быстрому варианту Turbo: до 12 октября миллион символов стоит $22 и $11 вместо $80 и $40. Для голосовых ботов поддержки и продаж это снимает главное ограничение — задержку на старте.
Суть события
ElevenLabs выпустила новую речевую модель Eleven v4 вместе с быстрым вариантом Turbo для голосовых агентов реального времени. Turbo начинает звучать через 150 миллисекунд после запроса — это быстрее, чем у Cartesia Sonic 3.6 (262 мс), и почти в шесть раз быстрее OpenAI GPT-4o mini TTS (814 мс). Для разговорных ботов, которые должны отвечать без заметной паузы, разница критична: после 300 мс собеседник уже подозревает, что говорит с машиной.
В v4 резко выросла и выразительность. Смех, шёпот, звук захлопнутой двери теперь следуют за сценарием точнее, чем в v3. На бенчмарке произношения v4 набирает 91,7% против 85,6% у предшественника, а в слепых тестах ElevenLabs три четверти слушателей выбрали v4 против моделей Cartesia, Inworld и Google. Это не маркетинговая прибавка — это смена ожиданий самого клиента.
Детали
Архитектура v4 сначала разбирает тон, ритм и контекст сценария и только потом синтезирует речь. Управлять подачей можно обычными фразами («произнеси это устало», «добавь паузу перед „но»»), а имена и технические термины — через фонетическую запись. Профессиональные голосовые клоны, отключённые в v3, снова работают.
За один запрос модель выдаёт до 10 000 символов — около десяти минут аудио. Длинные вещи вроде аудиокниг режутся на сегменты, и v4 удерживает единый темп и интонацию на стыках, так что слушатель не слышит «нового рассказчика» каждые десять минут. В диалогах персонажи реагируют на контекст всей сцены, а не отдельной реплики.
Число языков выросло с 70 до 90+. Главное — клонированный голос удерживает родной акцент при генерации на другом языке и не «сползает» обратно, как это бывало в v3. Instant Voice Clone требует всего десять секунд образца. На практике это значит, что за один день можно записать себя и получить рабочий многоязычный голос для курса, поддержки или подкаста.
Контекст
Цена — главный фактор для предпринимателя. По прайсу v4 стоит $80 за миллион символов, Turbo — $40. До 12 октября действует промо: $22 и $11 соответственно. Для сравнения, Cartesia Sonic 3.6 — $49 за миллион символов, а Google Gemini 3.8 Flash TTS — $16,49. Подписка Creator за $22 в месяц открывает v4 в ElevenCreative на две недели с лимитом вдвое больше месячного пакета — этого хватает на короткий пилот без отдельной строки бюджета.
Для бизнеса важен и рынок клонов. ElevenLabs запускает библиотеку, где голосовые актёры сами выставляют свой клон и получают деньги, когда его выбирают платящие пользователи. У компании уже есть площадка с голосом Майкла Кейна. Для SMB это два сценария: либо использовать готовый лицензионный голос в дубляже и рекламе, либо отдать собственный голос «в аренду» как дополнительный источник дохода. Это меняет экономику даже для одного фрилансера с сильным тембром.
Что дальше
Ближайшие две недели — окно для пилота. Подключите Creator за $22, загрузите десять секунд своего голоса или выберите лицензионный клон, прогните реальный звонок поддержки или фрагмент обучающего курса на трёх языках. Замерьте не «вау-эффект», а три вещи: время до первого ответа агента в миллисекундах, долю разговоров, где клиент переспрашивает «алло, вы меня слышите?», и стоимость минуты синтеза. До 12 октября эти эксперименты стоят на 73% дешевле, а после неё их можно пересчитать по полной цене и сравнить с Cartesia и Google Gemini Flash TTS. Один и тот же тест даст не презентацию, а табличку «внедрять или отложить». Если вы планируете выпускать озвученный контент, пригодится разбор рабочего процесса и экономики ИИ-озвучки: скорость ответа — лишь один из критериев, наряду с качеством и затратами.
Читайте также
GPT-Live-1: Теперь разработчики могут создавать приложения, которые слушают и говорят одновременно
