ElevenLabs ने अपना नया टेक्स्ट-टू-स्पीच मॉडल Eleven v4 और इसका रियल-टाइम संस्करण v4 Turbo पेश किया है। कंपनी के मुताबिक, नए वॉइस अधिक भावपूर्ण हैं और लंबे स्क्रिप्ट में भी किसी किरदार का लहजा एक जैसा बनाए रख सकते हैं। दोनों मॉडल अब ElevenAgents प्लेटफॉर्म, ElevenCreative ऐप और सार्वजनिक API के ज़रिए उपलब्ध हैं।
क्या नया है और इसकी कीमत कितनी है?
Eleven v4 एक अनुरोध में 10,000 अक्षरों तक संभाल सकता है—यानी करीब दस मिनट का ऑडियो—और 90 से अधिक भाषाओं को सपोर्ट करता है। पिछले v3 मॉडल में करीब 70 भाषाओं का समर्थन था। Turbo संस्करण वॉइस एजेंट के लिए बनाया गया है और करीब 150 मिलीसेकंड में बोलना शुरू कर सकता है। यह कंपनी के एक प्रतिस्पर्धी मॉडल के लिए मापे गए 262 मिलीसेकंड के मुकाबले उल्लेखनीय रूप से तेज़ है।
API इस्तेमाल के लिए मानक v4 मॉडल की कीमत 1,000 अक्षरों पर $0.08 (दस लाख अक्षरों पर $80) और v4 Turbo की कीमत 1,000 अक्षरों पर $0.04 (दस लाख अक्षरों पर $40) है। 12 अक्टूबर तक ये दरें घटकर क्रमशः $0.022 और $0.011 प्रति 1,000 अक्षर रहेंगी।
क्रिएटर्स के लिए यह क्यों अहम है
कम कीमत और Turbo की तेज़ प्रतिक्रिया से उच्च गुणवत्ता वाली, भावपूर्ण AI आवाज़ें इंडी पॉडकास्टर्स, गेम डेवलपर्स और रियल-टाइम वॉइस एजेंट की ज़रूरत वाले छोटे कारोबारों के लिए अधिक किफायती हो जाती हैं। अक्षरों की अधिक सीमा से लंबे स्क्रिप्ट को हिस्सों में बांटने की ज़रूरत भी घटती है, जिससे ऑडियोबुक या ट्यूटोरियल बनाने में समय बचता है।
यह क्यों मायने रखता है
आम यूज़र्स के लिए प्रति अक्षर कम कीमत का मतलब है कि ज़्यादा बोले गए कंटेंट की ज़रूरत वाले प्रोजेक्ट्स का खर्च घटेगा। तेज़ Turbo मॉडल डेवलपर्स को ऐसे रियल-टाइम वॉइस असिस्टेंट बनाने देता है, जो बिना किसी ध्यान देने लायक देरी के स्वाभाविक सुनाई दें।
