ElevenLabs 推出 v4 和 v4 Turbo 语音模型

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

IT之家 9 月 29 日消息，ElevenLabs 于当地时间周一正式推出了两款全新语音模型，分别为 ElevenLabs v4 与 v4 Turbo。新版模型强化了情绪表达控制能力，降低了语音智能体的响应延迟，同时支持 90 余种语言。 该公司去年发布了 v3 模型，并于今年早些时候在华沙举办的活动上对新一代模型进行了预热。v4 系列采用全新架构，实现了更精细的语音控制以及速度更快的声音克隆。官方表示，借助 v4，用户仅需 10 秒音频素材即可完成语音克隆。 在内容创作方面，当朗读大段文本时，新版模型可以更好地维持说话人的音色特征；朗读过程中还能够记住前后文本语境，随之调整语气。ElevenLabs 曾在 v3 版本当中引入内联标签用以设定语音情绪；到了 v4，标签功能得到进一步扩充，用户可以叠加多个标签，模型将按照标签的先后顺序执行。 旧版模型支持 70 种语言。经过优化之后，新版本的语言支持数量提升至 90 种。这家初创企业称，日语、巴西葡萄牙语、普通话以及粤语的合成质量提升最为显著。 过去一年，ElevenLabs 的企业语音通话业务扩张迅速，目前超过 55% 的业务收入来自大型企业。官方指出，新模型非常适配语音智能体场景：更低的延迟可以带来更加流畅的对话体验。除此之外，当后端大语言模型刚开始输出回答时，v4 就可以同步生成语音音频。不仅如此，该模型还能够差异化地处理争执对话、诉求升级以及通话等待场景，以此更好地解决业务问题。 今年早些时候，ElevenLabs 从红杉资本（Sequoia）获得 5 亿美元 （IT之家注：现汇率约合 33.6 亿元人民币） 融资，本轮投后估值达到 110 亿美元 （现汇率约合 739.14 亿元人民币） 。目前已有传闻称该公司正在筹备新一轮融资，目标估值或将达到 220 亿美元 （现汇率约合 1,478.29 亿元人民币） 。ElevenLabs 的年化营收运行速率已经从年初约 3.3 亿美元 （现汇率约合 22.17 亿元人民币） 攀升至 6 亿美元 （现汇率约合 40.32 亿元人民币） 以上。公司还在印度、欧洲、巴西等多个市场大举招人，员工总人数现已突破 800 人。 在近期接受 TechCrunch 采访时，联合创始人兼首席执行官马蒂 · 斯坦尼舍夫斯基（Mati Staniszewski）表示，公司计划“未来几年内”完成 IPO 上市，但并未给出确切时间节点。