ElevenLabs 稱 Eleven v4 為「我們迄今最具情感的文字轉語音模型」。透過內嵌標籤將語氣寫入腳本，支援超過 90 種語言，單次生成可達 10,000 字元。而 v4 Turbo 的回應速度極快，足以流暢進行即時對話。
[whispers] Don't move. It's right behind you.Eleven v4語音合成生成
在 Popcraft 中生成的八種演繹版本。橘色括號中的文字就是完整的語氣指示：沒有經過任何剪輯，沒有拼接重錄的片段，音訊中也沒有任何腳本上沒寫的內容。
[warm] The lighthouse keeper left a lamp burning for ships that never came.
[low, threatening] The lighthouse keeper left a lamp burning for ships that never came.
[rushed] The lighthouse keeper left a lamp burning for ships that never came.
[a tired detective who has heard it all before] The lighthouse keeper left a lamp burning for ships that never came.
[hushed and reverent, like a nature documentary narrator] The lighthouse keeper left a lamp burning for ships that never came.
[casual] You're looking for work, eh? Hmm, I might have something for you. [door creaking] [suddenly suspicious, lowering his voice] Wait. Who sent you? [pause] [delighted] Marta's cousin! Well why didn't you say so. [coins clinking] Half now, half when it's done.
[softly] Don't be afraid. We'll cross together when the morning comes.
[softly] 怖がらないで。朝が来たら、一緒に渡ろう。日文
[softly] Não tenha medo. Vamos atravessar juntos quando a manhã chegar.巴西葡萄牙文
[softly] 别害怕。等天亮了,我们一起过去。華語
相同的聲音，相同的標籤，這四種語言是 ElevenLabs 表示在 v4 中進步最多的。
[warm] Thanks so much for holding. I can see the duplicate charge right here. [reassuring] You don't need to do anything else; the refund goes out today. [clear, measured] And your eSIM for Reykjavik is active. Anything else I can check?
v4 Turbo 專為在即時通話中維持穩定的語氣而打造。
[whispers] Don't move. It's right behind you. [pause] [whispers] On three, we run. One. Two. [shouts] Run!
[quiet, measured narration] When I was young, I thought the mountain stood because it was strong. [pause] I know better now. [long pause] It stood because it had learned where to bend.
v4 單次請求可處理 10,000 個字元，約可生成十分鐘的音訊。
[sleepy drowsy voice] Mmm, five more minutes. [yawning] Is it really Monday already?
[like a sports commentator, speeding up] She takes it on the half-volley, past one, past two, she's through on goal. [amazed] Oh, that is extraordinary!
標籤不一定要從清單中挑選。只要描述演繹方式，模型就能完美呈現。
過去，你只能在富有表現力的語音和快速生成的語音之間做取捨。Eleven v4 終結了這項妥協：標準模型勝任長篇內容，Turbo 則專攻即時通話。
專為內容創作與長篇音訊打造：有聲書、角色配音、長篇旁白。你寫下的演繹指示就是最終的呈現效果，連場景音效也包含在內。
「我們於表達性語音生成領域最新研究的巔峰之作。」ElevenLabs，發布文章
具備同等表現力，並針對即時性進行調校：根據 ElevenLabs 的測量，推論延遲中位數約為 100 毫秒，首次發聲時間約為 150 毫秒。
「比兩個人對話間的平均停頓時間還要快。」ElevenLabs，發布文章
以下所有設定皆直接寫在腳本中。沒有滑桿，也不需要後製。
標籤以內嵌方式置於方括號中，並從其所在位置生效至下一個標籤。共有六種類型：情緒、語氣、節奏、反應、口音和音效。使用逗號堆疊提示，模型便會依序執行。
ElevenLabs 將跨語言的情感語音視為音訊 AI 最困難的挑戰之一。v4 支援超過 90 種語言，其中日語、巴西葡萄牙語、華語和粵語的進步最為顯著。同一個聲音能在所有語言中傳達相同的演繹指導，因此配音能維持原有的選角陣容。
容量是 v3 的兩倍：單次生成可產出約十分鐘的音訊。無論是整個章節、完整的客服腳本還是長篇場景，都能以連貫的節奏一氣呵成，無需拼接段落。
人名、藥名、地名、產品名：只要在斜線之間寫下 IPA 發音，模型每次都會精準照您的方式發音。至於其他所有內容，v4 創下了 Artificial Analysis 評測過最高的發音分數。
v3 從未支援 Professional Voice Clones。v4 現在支援了，讓您擁有的製作級聲音能運用完整的標籤詞彙來演繹。在早期模型上建立的複製聲音只需一鍵即可為 v4 重新訓練，且每次複製背後都有聲音擁有者的驗證同意。
ElevenLabs 的每一次世代更新都帶來了一項突破。而 v4 是第一個讓您無需再從中取捨的版本。
支援 29 種語言，ElevenLabs 正式結束測試。
為速度而生。
延遲降至約 75 毫秒。速度極快，但缺乏表現力。
音訊標籤、超過 70 種語言與對話功能登場。極具表現力，但 v3 的官方發布文章仍建議即時應用開發者繼續使用 Flash。
表現力臻於成熟。速度上的取捨依然存在。
在華沙高峰會上，ElevenLabs 現場展示下一代模型，即時演示耳語、切換口音與變換情緒。
全新架構雙管齊下同步推出：ElevenLabs 打造過最具表現力的模型，以及速度快到足以支援即時對話的 Turbo 版本。
獨立評測為先：Artificial Analysis 針對各大主流語音模型舉辦聽眾盲測競技場。
| Artificial Analysis，2026 年 10 月 | Eleven v4 | 背景資訊 |
|---|---|---|
| 供應商語音競技場 | 第 1 名 | 領先 Cartesia Sonic 3.6 與 Gemini 3.8 Flash TTS。Eleven v3 在同一排行榜中位居第 17 名。 |
| 發音穩健度 | 91.7% | 這是 Artificial Analysis 在所有模型中測得的最高分數。 |
| 受控語音競技場 | 第 2 名 | 落後於 Qwen-Audio-3.1-TTS-Plus。v3 的得分遠低於這兩者。 |
| 生成速度 | 73.4 字元/秒 | 對比 v3 的 42.5，由 Artificial Analysis 測得。 |
在 ElevenLabs 自行舉辦的盲測偏好測試中，聽眾在與競爭模型對比時，約有 75% 的時間選擇了 v4。該數據出自廠商本身；上述競技場排名則非如此。發布當日的迴響：公告討論串與 Artificial Analysis 結果。
| Eleven v3 | Eleven v4 | |
|---|---|---|
| 架構 | v3 系列 | 全新 |
| 語言 | 70+ | 90+ |
| 請求長度 | 5,000 個字元 | 10,000 個字元 |
| 專業語音複製 | 不支援 | 支援 |
| 語氣指示 | 音訊標籤 | 標籤、自然語言指示、IPA |
| 即時 | 不建議 | v4 Turbo，推論中位數約 100 毫秒 |
您為 v3 撰寫的腳本可直接在 v4 上執行，無需修改。
重新訓練後就可以。在早期模型上建立的複製語音，只需在 ElevenLabs 的語音庫中點擊一下，即可為 v4 重新訓練。請注意可能會有差異：重新訓練的語音聽起來可能與其 v3 版本大不相同，來源錄音中的瑕疵會被忠實重現，而使用 Voice Design 建立的語音在表現力上可能不如錄音複製的語音。
不一定。ElevenLabs 官方文件也承認標籤遵循「尚未完美」：偶爾會將語氣提示渲染成音效。若要獲得最可靠的結果，請在每個子句使用一個標籤，並將其置於受影響的詞語之前；若要疊加多個提示，請將它們以逗號分隔並放在同一個括號內。
它會使用該語言的原生口音，而不是該語音原本的家鄉口音。ElevenLabs 表示這是刻意設計的，且目前正在研究保留口音的切換選項。
穩定性與相似度。沒有風格或速度滑桿，也不支援 SSML；暫停需在腳本中寫成 [pause] 和 [long pause]，其餘控制皆透過標籤進行。
v4 適用於任何您生成並保留的內容：旁白、角色、長達 10,000 個字元的配音級朗讀。v4 Turbo 適用於任何需要即時回應的場景：語音代理與互動式應用程式，其約 100 毫秒的中位數推論延遲能讓對話流暢進行。
本頁所有音訊皆由 Popcraft 搭配 ElevenLabs 語音生成；每段音訊的完整腳本皆顯示於旁邊。圖片為 AI 生成。引用台詞為 ElevenLabs 原創，出自 Eleven v4 發布文章。排名來自 Artificial Analysis，讀取於 2026 年 10 月。
繼續探索
在 Popcraft 上使用 Music V2.5 秒速為影片配樂。生成 AI 背景音樂、器樂 BGM 和情緒匹配的音軌，時長 3 到 200 秒。
在 Popcraft 上使用 ElevenLabs SFX 從文字生成自訂音效。0.5-22 秒片段、可調節提示詞影響力、48 kHz 錄音室品質音訊。
Seedance 2.5 單次任務可生成長達 30 秒的影片，支援多達 50 個參考素材、可控影片編輯、高保真時間軸延展、0.4 至 2.5 的任意長寬比，以及 10 種以上語言的原生提示詞。現已於 Popcraft 上線。
使用阿里巴巴影片模型 Wan 3.0 單次生成 2 至 30 秒的 AI 影片：1080p、30 fps，內建對白與音樂，支援多達 4 張圖片、5 段影片及 5 個聲音作為參考素材。Popcraft 每秒 11 點起。
