ElevenLabsは、最新のテキスト読み上げモデル「Eleven v4」と、リアルタイム処理に対応した「v4 Turbo」を発表した。同社によると、新しい音声はより表現力が豊かで、長い台本でもキャラクターの声色を一貫させられる。両モデルは、ElevenAgentsプラットフォーム、ElevenCreativeアプリ、一般向けAPIで現在利用できる。
新機能と料金は？
Eleven v4は1回のリクエストで最大10,000文字（音声にして約10分）を扱え、90以上の言語に対応する。前モデルのv3では約70言語だった。音声エージェント向けに開発されたTurboは、約150ミリ秒で発話を開始できる。同社が競合製品で計測した262ミリ秒と比べ、大幅な高速化となる。
APIの料金は、標準のv4モデルが1,000文字あたり0.08ドル（100万文字あたり80ドル）、v4 Turboが1,000文字あたり0.04ドル（100万文字あたり40ドル）。10月12日までは、それぞれ1,000文字あたり0.022ドル、0.011ドルに割引される。
クリエイターにとっての意義
料金の引き下げとTurboの応答速度向上により、高品質で表現力豊かなAI音声を、個人で活動するポッドキャスターやゲーム開発者、リアルタイム音声エージェントを必要とする中小企業も導入しやすくなる。文字数の上限が増えたことで長い台本を分割する必要も減り、オーディオブックやチュートリアルの制作時間を短縮できる。
なぜ重要か
日常的に使うユーザーにとって、文字あたりの料金が下がれば、音声コンテンツを大量に必要とするプロジェクトの費用を抑えられる。Turboの高速化により、開発者は目立った遅延なく自然な音声で応答するリアルタイム音声アシスタントを構築できる。
