ElevenLabs 推出 v4 和 v4 Turbo 語音模型：支持 90 餘種語言，10 秒素材即可克隆聲音

作者：遠洋 責編：遠洋 評論： 9 月 29 日消息，ElevenLabs 於當地時間週一正式推出了兩款全新語音模型，分別為 ElevenLabs v4 與 v4 Turbo。新版模型強化了情緒表達控制能力，降低了語音智能體的響應延遲，同時支持 90 餘種語言。該公司去年發佈了 v3 模型，並於今年早些時候在華沙舉辦的活動上對新一代模型進行了預熱。v4 系列採用全新架構，實現了更精細的語音控制以及速度更快的聲音克隆。官方表示，藉助 v4，用戶僅需 10 秒音頻素材即可完成語音克隆。

在內容創作方面，當朗讀大段文本時，新版模型可以更好地維持說話人的音色特徵；朗讀過程中還能夠記住前後文本語境，隨之調整語氣。ElevenLabs 曾在 v3 版本當中引入內聯標籤用以設定語音情緒；到了 v4，標籤功能得到進一步擴充，用戶可以疊加多個標籤，模型將按照標籤的先後順序執行。舊版模型支持 70 種語言。經過優化之後，新版本的語言支持數量提升至 90 種。這家初創企業稱，日語、巴西葡萄牙語、普通話以及粵語的合成質量提升最為顯著。過去一年，ElevenLabs 的企業語音通話業務擴張迅速，目前超過 55% 的業務收入來自大型企業。

官方指出，新模型非常適配語音智能體場景：更低的延遲可以帶來更加流暢的對話體驗。除此之外，當後端大語言模型剛開始輸出回答時，v4 就可以同步生成語音音頻。不僅如此，該模型還能夠差異化地處理爭執對話、訴求升級以及通話等待場景，以此更好地解決業務問題。今年早些時候，ElevenLabs 從紅杉資本（Sequoia）獲得 5 億美元（注：現匯率約合 33.6 億元人民幣）融資，本輪投後估值達到 110 億美元（現匯率約合 739.14 億元人民幣）。目前已有傳聞稱該公司正在籌備新一輪融資，目標估值或將達到 220 億美元（現匯率約合 1,478.29 億元人民幣）。

ElevenLabs 的年化營收運行速率已經從年初約 3.3 億美元（現匯率約合 22.17 億元人民幣）攀升至 6 億美元（現匯率約合 40.32 億元人民幣）以上。公司還在印度、歐洲、巴西等多個市場大舉招人，員工總人數現已突破 800 人。在近期接受 TechCrunch 採訪時，聯合創始人兼首席執行官馬蒂 · 斯坦尼舍夫斯基（Mati Staniszewski）表示，公司計劃“未來幾年內”完成 IPO 上市，但並未給出確切時間節點。投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：ElevenLabs，語音模型科大訊飛發佈全新語音識別大模型 Spark-ASR-2.

0，明日上線訊飛輸入法阿里千問發佈 Qwen-Audio-3.1 系列語音大模型，並下調全線產品價格基於全國產化算力訓練，訊飛星火語音基座大模型 Spark-Audio-1.0-Preview 上線谷歌推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking 實時對話模型，支持 97 種語言切換階躍發佈 StepAudio 3 系列語音大模型，拿下多個全球第一小米開源工業級目標說話人語音識別大模型 Xiaomi-CocktailASR-1