ElevenLabs: Eleven v4 giver AI-stemmer følelser, og Turbo starter med at tale efter ca. 150 ms

Hvad er nyt

ElevenLabs lancerede den 28. september 2026 to nye stemmemodeller: Eleven v4 og Eleven v4 Turbo. Begge omsætter tekst til tale. v4 er bygget på en helt ny arkitektur, der ifølge ElevenLabs læser et manuskript omtrent som en stemmeskuespiller og dermed lægger mere følelse i stemmen. Modellen understøtter over 90 sprog, flere talere i samme optagelse og indbyggede lydeffekter.

v4 Turbo er firmaets hurtigste realtidsmodel og har samme udtryksfuldhed. Den fås via API (den tekniske dør, udviklere bruger til at koble tjenester sammen) og i platformen ElevenAgents.

Hvad er smart

Man kan styre leveringen med små tags i manuskriptet, fx [laughs], [whispers] eller [door slams]. ElevenLabs hævder, at v4 følger rækker af den slags tags mere pålideligt end forgængeren v3.

Professionelle stemmekloner, som ikke kunne bruges i v3, er tilbage. De kan bruges med hele modellens følelsesspænd og virker ens på v4 og v4 Turbo, så en virksomheds brandstemme kan holdes ens på tværs. Funktionen context stitching skal ifølge ElevenLabs holde tempo og levering stabilt gennem lange manuskripter, fx en hel lydbog.

Turbo har tovejsstreaming: Lyden kan begynde at komme tilbage, før en sætning er færdig. Det er tænkt til agenter, hvor en sprogmodel (LLM) skriver svaret, mens stemmen allerede læser det op.

Billigere eller bedre?

På hastighed angiver ElevenLabs for Turbo en median inferenslatens på ca. 100 ms og en median tid til første tale på ca. 150 ms. I en sammenligning, som mediet DataNorth AI gengiver, lå Cartesia Sonic 3.6 på 262 ms og OpenAI GPT-4o mini TTS på 814 ms. Målingen stammer ikke fra en uafhængig test, og metoden er ukendt, så tallene skal tages med forbehold.

På pris starter ElevenLabs' abonnementer ifølge DataNorth på 6 dollar om måneden, og der findes et gratisniveau med 10.000 credits om måneden. Modellerne er tilgængelige i web-appen, men kilderne bekræfter ikke, at v4 kan afprøves gratis. DataNorth fandt ingen prisforskel mellem v4 og v4 Turbo. API-priser pr. million tokens og tilgængelighed i Danmark og EU fremgår ikke af kilderne.

Det er den god til

v4 er positioneret til forindspillet lyd som lydbøger og voiceovers. Changelogen beskriver den også som model til dialog af høj kvalitet via Text to Dialogue API. Der kan genereres op til 10.000 tegn ad gangen, og de eksisterende ca. 17.500 stemmer kan bruges.

v4 Turbo er til realtid: telefonagenter og live-assistenter, hvor lange pauser ødelægger samtalen. Salesforce siger i et citat på ElevenLabs' side, at Turbo giver hurtigere og mere naturlige svar til Agentforce Voice.

For en almindelig virksomhed betyder det, at en kundeservice-stemme kan lyde mere levende og svare hurtigere. For skabere kan en lydbog eller en video få en oplæser med følelse uden et optagestudie.