> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt.
# Eleven v4
Eleven v4 是我们最新、最先进的文本转语音模型，也是新一代模型中的首款产品。与 Eleven v3 相比，它在输出质量、音色准确度、一致性、情感、表达、音频标签和语言覆盖方面均有提升。
总体而言，Eleven v4 是 Eleven v3 的全面升级，几乎在所有情况下都能带来更好的结果。强烈建议切换到 v4，并使用自己的音色和内容进行测试，亲自感受差异。虽然少数特殊情况可能更适合其他选择，但对大多数用户来说，v4 都是更好的选择。
有关标签、标点和对话提示词，请参阅 [提示 Eleven v4](/docs/zh/overview/capabilities/text-to-speech/best-practices#prompting-eleven-v4)。
## 语音克隆
Eleven v4 将语音克隆准确度提升到了全新水平。与以往任何模型相比，克隆音色能更忠实地捕捉源声音色的特征，包括音色质感、节奏和表达方式。
Eleven v4 中的即时语音克隆（IVC）比以往更加准确。它能更忠实地捕捉源声音色的核心特征，让你能通过简短音频样本快速创建逼真的克隆音色。
> **Tip**
>
> 即时语音克隆在 Eleven v4 中获得了显著升级，整体准确度明显提升。如果还没有试过，
> 现在正是使用自己的音频进行测试的好时机。
专业语音克隆（PVC）完全支持 Eleven v4。它同样受益于音色准确度的提升，为需要最高一致性和控制力的工作流程，更忠实地还原源声音色。
由于准确度有了如此显著的飞跃，Eleven v4 的声音可能与 Eleven v3 大不相同。Eleven v3 为 Eleven v4 奠定了基础，重点强化了表达和准确度；Eleven v4 则在此基础上大幅提升了音色准确度。因此，Eleven v4 旨在更忠实地捕捉源声音色，但你仍可能更喜欢音色在 Eleven v3 中的表现。准确度和个人偏好并不总是一致，因此建议使用自己的内容对比两个版本，选择最适合用例的版本。
Eleven v4 能更忠实地还原源声音色的特征，包括口音、表达方式、响度及其他鲜明特质，因此源录音的质量比以往更加重要。清晰、干净的训练音频有助于 Eleven v4 准确捕捉音色，避免引入不需要的声音或特征。背景噪声、失真或其他录音问题都会影响结果。
我们仍在探索 Eleven v4 的最佳使用方式。目前看来，它更擅长捕捉细腻的音频特征，尤其是在训练音频较多时，例如专业语音克隆。随着持续测试如何通过更丰富的数据集控制模型，我们关于使用多样化训练数据的建议可能会调整。目前，建议训练音频保持单一说话风格，Eleven v4 对这类风格的捕捉效果应优于早期模型。
## 原生口音处理
这是 Eleven v4 相较于所有旧模型最大的变化之一，值得充分了解。
当生成语言与参考音色的语言一致时，原有口音会像以前一样完整保留。
当生成语言不同于参考音色的语言时，Eleven v4 会以目标语言生成流畅、自然的语音，而不是保留参考音色原语言中的口音。
实际效果是：如果克隆一位韩语使用者的音色并生成英语，Eleven v4 会生成自然、流畅的英语，而不是带有韩语口音的英语。这让每个音色都能用于所有支持的语言，尤其适合配音、多语言内容，以及需要通过单一音色服务不同语言用户的语音智能体。
如果工作流程依赖于让音色在其他语言中保留其原生口音，请在迁移前直接使用 Eleven v4 测试这一行为——这是跨语言生成方式的有意调整，并非 bug。
不过，这项新功能仍在持续优化中，我们也在探索将其改为可切换功能，而不是始终开启。这仍是一个研究项目，目前尚无时间表或更多信息。
## 模型版本
Eleven v4 提供两个版本，可根据用例选择质量与速度之间的合适平衡：
* **Eleven v4** (`eleven_v4`) —— 我们质量最高的模型，适合内容创作、有声书、角色旁白配音，以及任何将质量置于首位的用例。
* **Eleven v4 Turbo** (`eleven_v4_turbo`) —— 在保持极低延迟的同时提供极高质量，专为对话式智能体和交互式语音体验等实时用例打造。
两个版本都使用两项音色设置：稳定性和相似度。
稳定性控制多次生成之间表达的一致程度。较低的值可带来更具表现力、更多变化的表达；较高的值会让表现更接近固定基准。
相似度控制输出对参考音色的贴合程度。较高的值会更严格地贴合参考音色，但可能牺牲部分自然度。
使用 Eleven v4 的专业语音克隆生成语音时，会额外显示 **克隆强度** 滑块。克隆强度控制输出对克隆训练录音的贴合程度。较低的值会略微平滑音色，并让表达更具灵活性；在仍保留原始音色特征的同时，整体听感通常更好。较高的值会减少平滑处理，让输出更接近训练录音，更贴近地模仿原始音色的表达和表现。较高的值尤其适合具有鲜明特征或独特口音的音色。对于大多数音色，建议从 0% 开始。
Eleven v4 不提供风格和速度滑块，也不支持 SSML。
音频标签（例如 `[whispering]`、`[shouting]`、`[laughing]`）可让你精细控制表达方式，Eleven v4 对它们的处理细腻程度超越以往模型。它们目前还不完美，我们会持续迭代，提升模型遵循标签指令的可靠性——这是正在持续投入的重点领域，效果会不断改进。
## 示例展示
> **Warning**
>
> 这些示例均为原始音频，未进行深度后期处理：没有 EQ、压缩、
> 归一化、齿音处理、爆破音移除或类似处理。如果听到反复出现的问题，例如
> 削波、爆破音、EQ 不均衡或音量跳变，它们很可能存在于该音色的训练数据中。
> Eleven v4 模型只是将它们捕捉出来，因为它的准确度很高，即使是缺陷也会捕捉到。
> 我们未对音频进行处理，以便你听到模型实际生成的效果。
### 语音克隆准确度
每个示例都从声音库预览开始。随后，我们选取一段文本，分别使用该音色的即时语音克隆在 Eleven v3 和 Eleven v4 中生成语音。
这并非完美对比。Eleven v4 也支持专业语音克隆，能够进一步提高匹配度。不过，为了让对比更公平，我们在 Eleven v3 和 Eleven v4 中都使用了即时语音克隆。
这些示例展示了模型捕捉到多少原始音色特征。需要注意的是，这也包括音频的 EQ、质量、音量，以及其他细微细节和瑕疵，例如爆破音、刺耳的齿音和音量波动。
依次试听预览、Eleven v3 和 Eleven v4。
音色 `NfUrCNRReUL9RXS9upG1`。
```text
"Brother... I must cross the sea, though I'd rather stay beside you. If the gods will it, we'll see each other again. Until then, when the sun sinks beyond the waves, know that I'll be looking toward home."
He clasped my forearm beneath the pale morning sky. I held on a moment longer, then watched him turn toward the waiting ship.
```
音色 `HBDoL4wkcalemIO0nUAu`。
```text
"When I was young, I thought the mountain stood because it was strong. Then winter came, and the mountain wore its crown of snow without complaint. Spring followed, and it let every stream run free.
"So remember, traveler: strength is not always holding fast. Sometimes it is knowing what to carry, and what the season asks you to release."
```
### 语音表演
以下是 Eleven v4 的生成结果。文本中的音频标签用于指导表达方式。
音色 `EkK5I93UQWFDigLMpZcX`。
```text
[casual] "You're looking for work, eh? Hmm, I might have something for you. Just outside the valley, there's a group of wild horned boars I need you to take care of - nasty little beasts. The village would be grateful if you could get that done, and I'll make it worth your while."
------------
[annoyed] [under his breath] "Oh, you again... [sigh] Did you take care of that little problem I mentioned earlier? No, not yet? All right, off you go. I don't have time to chitchat. I'm busy standing here... handing out quests."
------------
[ecstatic] "You did it, you crazy bastard! [dismissive] Not that I didn't have any faith in you, but you wouldn't be the first one to fail. Yes, yes, I know. One of them might have been a little bigger than the others. But hey, you survived. You got it done. You helped the village."
```
音色 `t7VaN65ClS2VrEUwk1nR`。
```text
[quietly curious] "Hmm… that mark. I haven't seen one like it in years. Where did you get it? Oh, you gonna make me guess? [giggle]"
------------
[measured] "No need to explain, if you'd rather not. This town has a way of leaving its mark on people. [soft chuckle] Usually not quite so literally."
------------
[lower, thoughtful] "Keep it covered when you can. There are still a few who remember what it means, and they may not ask as politely as I have."
```
### 有声书
这是 Eleven v4 的旁白。标签设定了场景的节奏和氛围。
音色 `KHRvDizAHFVPzoSehNY6`。
```text
[Quiet, measured narration] The moonlit training court lay beneath the keep, its stone walls silvered with frost. Beyond the battlements, a dragon's distant call rolled over the mountains.
Sir Alden lifted his blunted practice sword. "Ready?"
Bram, his broad shoulders wrapped in a travel-worn cloak, studied the wooden shield strapped to his arm. "I've faced worse odds."
[Pause, dry amusement] "You lost to a turnip cart yesterday," Sir Alden said.
"It was a very determined cart," Bran muttered
[Gradually building energy] They circled across the frost-dusted stones. One step. Another. Alden watched Bram's hands; Bram watched the faint blue glow gathering along Alden's blade. The air between them prickled with harmless magic.
[Quick, light, playful pace] Bram charged. Alden slipped aside. Clack! Wood met steel. Bram turned, his cloak flaring, and swung wide. Alden ducked beneath it. Bram's boot skidded on the frost; he windmilled, caught himself, and bowed as if he'd meant to do that all along.
"Magnificent," Alden said.
"I was giving you time to admire the cloak," Bran retorted.
```
## 模型将持续演进
Eleven v4 正在持续积极开发中。发布后，我们会继续训练和改进模型，随着质量提升，其行为可能会随时间发生变化。建议随着模型演进定期重新测试用例，我们也会在重要更新推出时分享相关信息。
## 常见问题
#### Eleven v4 支持哪些语言？
Eleven v4 支持南非荷兰语、阿姆哈拉语、阿拉伯语、亚美尼亚语、阿萨姆语、阿斯图里亚斯语、阿塞拜疆语、
白俄罗斯语、孟加拉语、波斯尼亚语、保加利亚语、缅甸语、粤语、加泰罗尼亚语、宿务语、克罗地亚语、捷克语、
丹麦语、荷兰语、英语、爱沙尼亚语、菲律宾语、芬兰语、法语、富拉语（Pulaar）、加利西亚语、格鲁吉亚语、
德语、希腊语、古吉拉特语、豪萨语、希伯来语、印地语、匈牙利语、冰岛语、印度尼西亚语、意大利语、
日语、卡纳达语、哈萨克语、韩语、吉尔吉斯语、老挝语、林加拉语、立陶宛语、卢干达语、卢森堡语、
马其顿语、马来语、马拉雅拉姆语、马耳他语、普通话、毛利语、马拉地语、蒙古语、尼泊尔语、
书面挪威语、奥克语、奥里亚语、普什图语、波斯语、波兰语、葡萄牙语（巴西）、旁遮普语、罗马尼亚语、
俄语、塞尔维亚语、绍纳语、信德语、斯洛伐克语、斯洛文尼亚语、索马里语、索拉尼库尔德语、西班牙语（拉丁美洲）、
斯瓦希里语、瑞典语、塔吉克语、泰米尔语、泰卢固语、泰语、土耳其语、乌克兰语、乌尔都语、乌兹别克语、越南语、威尔士语
和沃洛夫语。
部分语言的流畅度优于其他语言，但总体而言，Eleven v4 对其中绝大多数语言的处理效果都很好。
#### 克隆音色会保留口音吗？
当参考音色和生成语音使用同一种语言时，音色的口音会被保留。例如，如果克隆一位带有特定英语口音的英语使用者，
并生成英语语音，该口音将会保留。
#### 能否让音色以原来的口音说另一种语言？
默认情况下，当生成语言与参考音色的语言不同时，Eleven v4 会以目标语言生成流畅、自然的语音，
而不是保留参考口音。你可以尝试使用音频标签来引导口音或表达风格，但结果可能有所不同，
因此请测试具体音色和用例。
#### Eleven v4 克隆音色会与其 Eleven v3 版本听起来一样吗？
总体而言，Eleven v4 比 Eleven v3 更准确地还原源声音色的特征，
包括音色质感、节奏、表达方式和其他习惯。因此，Eleven v4 克隆音色通常会更接近源声音色，
且可能与其 Eleven v3 版本有明显差异。
#### 需要训练 Eleven v4 吗？
Eleven v4 同时支持[即时语音克隆](/docs/zh/eleven-creative/voices/voice-cloning/instant-voice-cloning)和[专业语音克隆](/docs/zh/eleven-creative/voices/voice-cloning/professional-voice-cloning)。
使用即时语音克隆时，无需单独训练即可创建音色。上传一段简短样本，通常为 1 到 2 分钟，几秒内即可获得可用音色。
[专业语音克隆](/docs/zh/eleven-creative/voices/voice-cloning/professional-voice-cloning)的使用方式与早期模型相同。它会使用更长的录音集训练专用模型。
如果已有专业语音克隆，并希望在 Eleven v4 上训练它，请打开[我的音色](https://elevenlabs.io/app/voice-lab)，在列表中找到该音色并将鼠标悬停其上。你会看到该音色可用的模型。点击 Eleven v4 旁边的加号按钮即可开始微调。
#### 应在 Eleven v4 中使用声音设计吗？
声音设计音色可与 Eleven v4 配合使用，但其表现力或音质可能不如在早期模型中。