ElevenLabs hat sein neuestes Text-to-Speech-Modell Eleven v4 sowie eine Echtzeitvariante namens v4 Turbo angekündigt. Laut Unternehmen klingen die neuen Stimmen ausdrucksstärker und können den Tonfall einer Figur auch über lange Skripte hinweg konsistent halten. Beide Modelle sind ab sofort über die Plattform ElevenAgents, die App ElevenCreative und die öffentliche API verfügbar.
Was ist neu und wie viel kostet es?
Eleven v4 kann bis zu 10.000 Zeichen in einer einzelnen Anfrage verarbeiten – das entspricht etwa zehn Minuten Audio – und unterstützt mehr als 90 Sprachen. Beim Vorgängermodell v3 waren es rund 70. Die Turbo-Version ist für Sprachagenten ausgelegt und kann nach etwa 150 ms mit dem Sprechen beginnen. Das ist deutlich schneller als die 262 ms, die das Unternehmen bei einem Wettbewerber gemessen hat.
Bei der API-Nutzung kostet das Standardmodell v4 0,08 US-Dollar pro 1.000 Zeichen (80 US-Dollar pro Million Zeichen), v4 Turbo 0,04 US-Dollar pro 1.000 Zeichen (40 US-Dollar pro Million). Bis zum 12. Oktober sind die Preise auf 0,022 bzw. 0,011 US-Dollar pro 1.000 Zeichen reduziert.
Warum das für Kreative wichtig ist
Die niedrigeren Preise und die schnellere Reaktion von Turbo machen hochwertige, ausdrucksstarke KI-Stimmen für unabhängige Podcaster, Spieleentwickler und kleine Unternehmen erschwinglicher, die Sprachagenten in Echtzeit benötigen. Die höhere Zeichenbegrenzung verringert zudem die Notwendigkeit, lange Skripte aufzuteilen – das spart Zeit bei der Produktion von Hörbüchern oder Tutorials.
Warum es wichtig ist
Für alltägliche Nutzer bedeuten die niedrigeren Kosten pro Zeichen geringere Ausgaben bei Projekten mit vielen gesprochenen Inhalten. Mit dem schnelleren Turbo-Modell können Entwickler Sprachassistenten in Echtzeit bauen, die natürlich klingen und ohne spürbare Verzögerung reagieren.
