推出 Eleven v4：迄今情感最丰富的模型

同一句话，说法不同，含义和效果可能大相径庭。“我需要你保持冷静”，如果是医生温柔地安抚受惊的病人，和游戏角色在跳入战场前对小队喊出这句话，听起来就应截然不同。

今天，我们发布 Eleven v4——这是我们迄今情感表现最丰富的文本转语音模型，以及其低延迟版本 Eleven v4 Turbo。

Artificial Analysis 排名第 1¹，在与竞品的盲测对比中，约 75% 的听众更青睐它²。Eleven v4 专为理解语气、节奏、情感、角色和上下文而设计。它能生成戏剧化、温柔、紧迫、诙谐或自然对话式的语音，同时保持说话者的身份特征。更自然的多说话人互动让对话更有即时反应，而不是把单独的台词拼接起来。说话人会根据对话上下文做出回应，生成更自然的对话和角色互动。

为性能打造的全新架构

Eleven v4 基于全新架构打造，是我们情感表现最丰富、获 Artificial Analysis 排名第 1 的 文本转语音 模型¹。Eleven v4 Turbo 将同样的技术带到智能体等低延迟场景。其推理延迟中位数约为 100 ms，响应速度比两人交谈时的平均停顿更快。

两款模型生成的语音都富有情感，而非机械生硬。整体音频保真度也更高，输出更清晰、自然。

早期的文本转语音模型可以朗读文本，但 Eleven v4 为语音赋予了更自然的情感深度。模型能解读预期语气、语音节奏、文本的风格特征和上下文，生成富有情感共鸣的语音。

用户还可精细控制输出，用自然语言描述一句话应如何表达。还可以针对特定短语的读法、应传达的情感，甚至 音效 添加具体指令，使用 [laughs]、[said angrily in French accent]、[light rain] 或 [phone buzzing] 等内联标签。Eleven v4 对这些音频标签和指令提示的遵循比以往模型更准确，让你描述的表达方式真正呈现出来。这让旁白指导、角色及其对话塑造等重视表达的场景变得更轻松。

ElevenLabs 开发者文档介绍了完整的标签语法，以及如何通过 API 应用这些标签。对国际音标（IPA）音素的支持也显著提升，自定义发音更可靠。

Eleven v4 还提升了多说话人之间的稳定性和动态对话效果。通过全新的说话人身份捕捉方法，Eleven v4 能保留每种音色的独特特征。无论是智能体对话、有声书还是广告，都能保持语音一致。由于模型能理解完整场景的上下文，它生成的自然对话会让说话人回应刚刚说过的内容，而非拼接孤立的台词。

面向低延迟场景的 Turbo 模型

高质量语音模型通常生成较慢，用户不得不在速度和富有表现力的 语音智能体之间取舍。许多人选择了能力不错但语调单一的智能体；对于只想解决问题、焦急不安的客户来说，它们听起来可能很像机器人。

Eleven v4 Turbo 兼具速度与情感，首段语音生成时间中位数约为 150 ms³，可在众多行业部署强大的智能体：从医疗领域能准确发音医学术语、语气温暖安抚的智能体，到游戏中语速快、善用俚语来娱乐玩家的智能体。

Eleven v4 Turbo 专为配合 ElevenLabs 的对话式智能体平台 ElevenAgents 而构建。其他智能体构建工具会将不同供应商的模型和软件拼接在一起，用户因此难以针对自身场景优化或改进模型输出。ElevenLabs 的研究与工程团队将 Eleven v4 Turbo 和 ElevenAgents 作为一个系统共同优化，提供更具表现力、更可靠且低延迟的智能体。

一种音色，多种语言

我们的沟通方式会随场景、地点，甚至一天中的时间而变化。要构建跨语言、能够反映这些差异的富有表现力的语音，仍是 AI 音频领域最难的挑战之一。

Eleven v4 在这些方面都有提升，改进不止体现在模型如何发音。Eleven v4 能更好地捕捉不同语言中的节奏、情感和表达方式，帮助创作者生成符合语言和上下文的自然语音。例如，你在日本与一位陌生老人交谈的方式，和在意大利与其交谈会很不一样。

Eleven v4 和 Eleven v4 Turbo 均支持超过 90 种语言。现在，以一种语言录制的音色也能流利说出其他语言，在保留原始身份特征的同时采用母语者口音。对口音的遵循明显强于以往，生成过程中音色不再逐渐偏回原始口音。

对于 配音和本地化，这意味着无论你确定的品牌音色来自合作的知名演员，还是最符合公司风格的表达方式，它在 Eleven v4 支持的任意语言中都能有出色表现。

更真实、更稳定的语音克隆

Eleven v4 和 Eleven v4 Turbo 的语音克隆更真实、更强大且更稳定，与原始源音色的说话人相似度显著提升。即时语音克隆现在仅需 10 秒音频，即可高保真捕捉音色。

Eleven v4 在多次生成、对话、旁白和重新生成的台词中，也能更可靠地保留说话人身份。这意味着在长篇项目中，角色、旁白和克隆音色能在整部作品中保持一致。Eleven v4 还新增支持专业语音克隆（PVC），满足最高保真度的克隆需求。

请求拼接——将多次生成串联为更长的内容——在 Eleven v4 中也显著更可靠，改善了在 ElevenLabs Studio 和 ElevenLabs Reader App 中的使用体验。

亲自听听区别

Eleven v4 和 Eleven v4 Turbo 汇集了我们在富有表现力的语音生成领域的最新研究成果。它们专为表达方式与文字本身同样重要的内容打造，包括有声书、角色表演、旁白配音、配音，以及对话式智能体本地化。

两款模型现已在 ElevenAgents、ElevenCreative 和 ElevenAPI 中推出。免费创建账户，立即开始使用 Eleven v4 或 Eleven v4 Turbo 生成语音。

1. ^{Artificial Analysis，Provider Voice Arena 排行榜，2026 年 9 月}
2. ^{基于 2026 年 9 月针对 Cartesia Sonic 3.6、Inworld TTS-2、Google Gemini 3.8 Flash-Lite TTS 和 Google Gemini 3.8 Flash TTS 进行的盲测用户偏好测试。每组对比中，评测者在不知道来源的情况下，听取 Eleven v4 和一款竞品生成的相同台词，并判断哪款表现力更强、听感更自然；平局按半票计算。}
3. ^{从请求发出到可听见语音的中位时间。于 2026 年 9 月使用相同脚本和默认设置，对比 Cartesia Sonic 3.6、xAI TTS、Google Gemini 3.8 Flash-Lite TTS 和 OpenAI GPT-4o mini TTS 进行测量；所有系统均测量并剔除了网络延迟。Eleven v4 Turbo 通过 WebSocket 流式传输。}