产业观察
ElevenLabs 推出 v4 和 v4 Turbo 语音模型：支持 90 余种语言，10 秒素材即可克隆声音
📋总体概括
ElevenLabs 于周一发布 v4 与 v4 Turbo 两款语音模型，采用全新架构，支持语言从 70 种提升至 90 余种，仅需 10 秒音频素材即可克隆声音。新版强化情绪表达控制，支持叠加多个内联标签按序执行，朗读长文本时能维持音色并记住前后语境调整语气，日语、巴西葡萄牙语、普通话和粤语提升最显著。低延迟和与大语言模型同步生成语音的特性，使其适配语音智能体场景；目前该公司超 55% 收入来自大型企业，年内曾获红杉资本 5 亿美元融资。
⚡关键信息
- ▸ElevenLabs 推出 v4 和 v4 Turbo 两款语音模型，采用全新架构，支持 90 余种语言，较旧版的 70 种明显扩展。
- ▸新模型仅需 10 秒音频素材即可完成声音克隆，且克隆速度更快。
- ▸情绪标签功能升级：可叠加多个标签并按先后顺序执行，朗读长文本能维持音色、结合上下文调整语气。
- ▸官方称日语、巴西葡萄牙语、普通话和粤语的合成质量提升最为显著。
- ▸超过 55% 收入来自大型企业，v4 低延迟可与后端大模型同步出声，面向语音智能体与客服通话场景优化。
🔥犀利点评
10 秒克隆声音这种门槛下探，意味着语音克隆正从炫技走向量产基建，ElevenLabs 的重心明显已从创作者工具转向企业级语音智能体——55% 收入来自大客户就是最好的证明。当低延迟、可叠加情绪标签、能与 LLM 同步出声成为标配，语音赛道的比拼就不再是「像不像」，而是「稳不稳、快不快、能不能落地客服电话」。真正值得警惕的是克隆门槛越来越低，深度伪造的治理问题被行业集体装作没看见。
📰 相关资讯（与本文相关的其他资讯）
本文由本站自动聚合，以下为原始来源：前往 IT之家 阅读全文 →