ElevenLabs 发布 v4 与 v4 Turbo：90+ 语言、10 秒克隆，Turbo 延迟约 100 毫秒
ElevenLabs 9 月 28 日发布语音模型 v4 与 v4 Turbo：90+ 语言、10 秒克隆声音，Turbo 延迟约 100 毫秒，开放 API。
ElevenLabs 9 月 28 日正式发布语音模型 v4 与 v4 Turbo，两款都已通过应用与 API 开放使用，不是预览版。v4 把语言覆盖从 v3 的 70 种提到 90 种以上，支持约 10 秒音频克隆声音、恢复专业声音克隆（v3 缺失的功能），并引入可叠加的内联情感标签——[laughs]、[whispers]、[pause] 会在序列里依次生效。v4 Turbo 面向语音智能体场景，官方称中位推理延迟约 100 毫秒。
事实部分
- v4：90+ 语言（v3 为 70）；约 10 秒音频即可克隆声音；恢复 Professional Voice Clones；支持可叠加的内联表情标签，按序列执行。
- v4 Turbo：定位语音智能体，官方页面给出的对比为中位推理延迟约 100 毫秒、首语音前延迟约 150 毫秒；对比对象为 Cartesia Sonic 3.6（262 毫秒）与 OpenAI GPT-4o mini TTS（814 毫秒）——均为 ElevenLabs 自测口径。
- 可用性：应用、API（模型名
eleven_v4）与 ElevenAgents 即日起可用；免费档每月 10,000 积分（约 10 分钟音频），付费档每月 6 美元起。 - 背景：两款模型年初在华沙活动上预告过；TechCrunch 报道还提到其融资传闻（年初 5 亿美元、估值 110 亿美元）与年收入运行率从 3.3 亿升至 6 亿美元以上，属媒体报道口径。
编辑判断
这轮发布的重点与其说是音质，不如说是延迟和工程性：内联情感标签让「哪里笑、哪里停」变成可版本控制的标记，Turbo 的百毫秒档直接对准语音智能体的对话体验。做配音、有声书或语音机器人的团队值得直接上手对比——和开源的 YoVoice 这类本地工具比，它省掉部署但按量付费。要注意官方延迟对比是自家测试口径，接入前用自己的话术实测一轮再定。