理解语境的表现力语音
模型会解读说话人语境、前置事件和预期表达方式，从而生成更具表现力的旁白和对话。
用于旁白和实时对话的富有表现力的文本转语音
Eleven v4 和 Eleven v4 Turbo 是 ElevenLabs 的文本转语音模型，可根据书面脚本生成富有表现力的语音音频。V4 定位于情感化旁白和对话，而 v4 Turbo 则在保留相同表现力范围的同时，采用专为实时交互和语音代理设计的模型。
这些模型支持根据说话人调整表达、情绪指导、音频事件和多说话人场景。Eleven v4 可在 ElevenLabs 应用中使用，v4 Turbo 可通过 API 和 ElevenAgents 使用；更广泛的 ElevenLabs 平台还提供语音选择、语音克隆、Studio 工作流、配音和其他创意音频工具，具体可用性因套餐和产品界面而异。
主要功能
脚本级指令和音频事件
可直接在脚本中添加 [laughs]、[whispers]、停顿以及 [door slams] 等声音提示标签，以指导表演和场景细节。
多语言多说话人生成
在 90 多种语言中生成具有情绪变化、对话式表达和内置音效的多说话人场景。
长篇内容连贯性
上下文拼接旨在保持长篇脚本中的节奏和表达方式，帮助长篇输出听起来连贯而非片段化。
重新生成时保持说话人稳定性
在保持整个对话和旁白中说话人身份一致的同时重新生成单独台词，减少不同录制版本之间的声音漂移。
实时 Turbo 流式传输
Eleven v4 Turbo 支持双向流式传输；根据产品页面，其首次语音的中位时间约为 150 毫秒，中位推理延迟约为 100 毫秒。
使用场景
有声书和叙事内容制作
制作包含多个角色、停顿、情绪指导和声音提示的有声书、连载故事及戏剧脚本，同时利用上下文拼接保持长篇内容的表达一致。
播客、课程和讲解内容
制作播客、讲解内容和教育材料，支持对话式或教学式语音、多语言版本及可控节奏。
实时语音代理
构建客户服务、销售和支持代理，在 LLM 生成文本时流式输出合成语音，使响应、确认、升级和等待状态能够采用不同的表达方式。
多语言本地化
面向不同市场的受众生成本地化语音内容，使用多语言语音以及支持目标语言的 Professional Voice Clones。
视频、游戏和品牌内容
借助更广泛的 ElevenLabs 语音库和语音工具，为视频、社交内容、游戏和广告制作品牌配音及角色表演。
Pros and Cons
Pros
- 支持通过脚本标签、停顿、情绪和声音事件进行表现力指导。
- 借助上下文拼接和说话人稳定性，支持多说话人及长篇语音工作流。
- 支持 90 多种语言的语音，并在 v4 中支持 Professional Voice Clones。
- Turbo 专为流式传输、代理循环和实时对话响应而设计。
- 可根据模型不同应用于应用、API 和代理工作流。
Cons
- 现有证据未说明完整的逐模型套餐矩阵、输出限制或所有 API 设置要求。
- 语音克隆、Studio、配音和协作等部分功能属于更广泛的 ElevenLabs 平台，可能取决于所选产品或订阅层级。
FAQ
Eleven v4 和 Eleven v4 Turbo 可以在哪里使用？
Eleven v4 可通过 ElevenLabs 网页和移动应用使用，而 Eleven v4 Turbo 可通过 API 和 ElevenAgents 用于实时语音工作流。
如何在 Eleven v4 中控制表达和声音？
Eleven v4 支持在脚本中添加指令，包括 [laughs]、[whispers] 和 [door slams] 等标签。它还可以处理多说话人对话、情绪化表达、停顿和内置音效。
Eleven v4 Turbo 专为哪些场景设计？
Eleven v4 Turbo 专为实时交互设计。LLM 生成文本时，可以将文本流式传入，并通过双向流式传输在句子完成前将音频流式传回。
支持哪些语言和语音克隆选项？
Eleven v4 支持 90 多种语言的语音。Turbo 特别说明支持以带有母语口音的日语、西班牙语和葡萄牙语文本进行语音合成；两种模型均支持 Professional Voice Clones，具体取决于克隆语音所支持的语言。
ElevenLabs 文本转语音的使用如何计费？
ElevenLabs 的各项产品共用积分。文本转语音的标价约为每个字符 1 积分，但确切费用可能因模型和 API 定价规则而异；套餐包括免费层级和付费层级。
Quick Facts
- 类别
- AI 文本转语音
- 模型
- Eleven v4 和 Eleven v4 Turbo
- 主要工作流
- 旁白、对话、语音代理和实时对话
- 语言覆盖范围
- Eleven v4 支持 90 多种语言
- Turbo 使用方式
- API 和 ElevenAgents
- 平台
- ElevenLabs 网页和移动应用、API 及代理产品
Eleven v4 替代品
Fylom
Fylom 是一款 AI 播客生成器，可将主题或问题转化为经过资料研究的播客单集，支持文字或语音提示、音色选择，以及日常、每周或按需更新的连续节目式收听。
Gemini 3.8 Text-to-Speech
Gemini 3.8 Text-to-Speech 是 Google 推出的两款富有表现力的音频模型，可将脚本转换为可定制语音，支持逐行指导、声音设计及内容、配音和语音代理对话生成。
Kugel 3.5
Kugel 3.5 是 KugelAudio 面向语音代理和电话对话的文本转语音模型，支持短回复、IPA 发音、定时停顿及逐字符代码朗读，兼容 Kugel 3 的声音、语言、词典和 API，音频每分钟 €0.0525（不含增值税），按秒计费。
Gemini 3.1 Flash TTS
Gemini 3.1 Flash TTS 是 Google 的预览版文本转语音模型，可生成富有表现力的 AI 语音，并支持对风格、语速和表达方式进行细粒度控制，适用于 Gemini API、Google AI Studio、Vertex AI 和 Google Vids。
蓝藻AI
蓝藻AI是一款在线AI配音与语音合成工具，可将文字转成语音，并支持自助声音克隆，适用于短视频、有声书等配音场景。
Ondoku
Ondoku 是一款基于浏览器的文字转语音软件，可将文本转换为可下载的 .mp3 语音，提供免费额度与付费方案，支持多语言朗读、图片朗读，并可按规则商用。