ElevenLabs 推出 v4 與 v4 Turbo 語音模型：支援 90 多種語言，10 秒素材即可克隆聲音

ElevenLabs 正式推出 ElevenLabs v4 與 v4 Turbo 兩款全新語音模型，支援語言數量從 70 種擴增至 90 多種，其中日語、巴西葡萄牙語、中文普通話及粵語的合成品質顯著提升。 新系列採用全新架構，用戶僅需 10 秒音訊素材即可完成聲音克隆。在朗讀長文本時，模型能更好地維持說話人音色特徵，並根據前後文語境自動調整語氣；v4 版本也擴充了內聯標籤（inline tags）功能，允許用戶疊加多個情緒標籤並按順序執行。 針對語音代理（Voice Agent）場景，新模型降低了回應延遲，能在後端大型語言模型開始輸出時同步生成音訊，並具備處理爭執、訴求升級與通話等待等情境的能力。 ElevenLabs 目前超過 55% 收入來自大型企業，年化營收已從年初約 3.3 億美元增至 6 億美元以上。公司今年稍早以 110 億美元估值獲紅杉資本 5 億美元融資，傳聞正籌備目標估值 220 億美元的新一輪融資，執行長 Mati Staniszewski 亦透露計畫於未來幾年內 IPO。