ElevenLabs v4 đứng đầu bảng xếp hạng TTS, vượt qua Gemini và Qwen

动察 Beating AI tin nhanh, ElevenLabs ra mắt thế hệ mô hình giọng nói mới Eleven v4 và phiên bản thời gian thực Eleven v4 Turbo. v4 tập trung vào cảm xúc và khả năng kiểm soát giọng nói tự nhiên hơn, Turbo hướng đến Voice Agent thời gian thực, độ trễ suy luận trung vị khoảng 100ms.

Trong bảng xếp hạng blind test TTS mới nhất của Artificial Analysis, Eleven v4 hiện đứng đầu với 1315 Elo. Cartesia Sonic 3.6 đạt 1275, Gemini 3.8 Flash TTS đạt 1267, Qwen-Audio-3.0-TTS-Plus đạt 1258. Thế hệ trước Eleven v3 hiện chỉ đạt 1169, xếp thứ 17.

v3 đã hỗ trợ các thẻ âm thanh như tiếng cười, thì thầm, v4 chủ yếu làm cho bộ kiểm soát này chính xác hơn. Người dùng có thể trực tiếp chỉ định ngữ điệu, nhịp điệu, cảm xúc và hiệu ứng âm thanh, cũng có thể dùng ngôn ngữ tự nhiên để mô tả một câu nên được nói như thế nào. Mô hình còn mở rộng phạm vi ngôn ngữ từ hơn 70 lên hơn 90, Instant Voice Clone chỉ cần khoảng 10 giây âm thanh, và tăng cường tính nhất quán giọng nói trong văn bản dài và hội thoại nhiều người.

Turbo thì chuyên giải quyết vấn đề tốc độ trong hội thoại thời gian thực. Tài liệu chính thức cho thấy, độ trễ suy luận trung vị của v3 Conversational khoảng 280ms, v4 Turbo giảm xuống còn khoảng 100ms.