ElevenLabs 于周一正式发布两款全新语音模型：ElevenLabs v4 与 v4 Turbo。新版本在表达控制能力、语音代理延迟优化以及多语言支持方面均有显著提升，目前支持的语言数量已超过 90 种。
早在今年早些时候于华沙举办的一场活动中，ElevenLabs 便曾预告了新一代模型的动向。此次推出的 v4 系列采用了全新的底层架构，旨在实现更精细的声音控制与更快的声音克隆速度。据官方介绍，借助 v4 模型，用户仅需提供 10 秒音频即可完成声音克隆。
在创意表现层面，新模型在处理长文本时能更好地保持语音身份的一致性，并具备上下文记忆功能，能够根据朗读内容动态调整表达方式。继 v3 版本引入用于定义表达的内联标签后，v4 进一步扩展了这一功能，允许用户叠加多个标签，并确保模型严格遵循标签序列进行生成。
语言覆盖范围方面，ElevenLabs 将支持语言数从上一版本的 70 种扩充至 90 种以上。该公司指出，日语、巴西葡萄牙语、普通话及广东话的语音质量提升最为显著。
过去一年内，ElevenLabs 的企业级呼叫业务迅速扩张，来自大型企业的营收占比已超过 55%。针对这一市场需求，新模型特别优化了延迟性能，使其更适配语音代理场景。此外，v4 具备流式处理能力，可在大型语言模型（LLM）开始生成回答的同时启动音频合成。该模型还能有效处理对抗性输入，并在问题解决过程中展现出更强的适应性与升级能力。
当前语音 AI 赛道竞争日趋激烈，Cartesia、Deepgram、Fish Audio、Boson 和 WellSaid Labs 等初创公司纷纷推出具备高表现力的语音模型，Google 与 OpenAI 等大型科技企业也在持续迭代其语音技术。
资本运作方面，ElevenLabs 今年早些时候完成了由红杉资本领投的 5 亿美元融资。市场传闻称，后续融资轮次或将使公司估值达到 220 亿美元。数据显示，公司年收入已从年初的 3.3 亿美元增长至 6.6 亿美元。与此同时，ElevenLabs 正在印度、欧洲和巴西等多个市场积极招聘，员工总数已突破 800 人。
联合创始人兼首席执行官 Mati Staniszewski 在接受 TechCrunch 采访时表示，公司计划在未来几年内启动 IPO，但尚未承诺具体时间表。
