Eleven v4公開、Artificial Analysis首位 聴取者75%が選好

ElevenLabsはこれまで、テキスト読み上げモデルの世代を重ねてきた。従来のモデルはテキストを読み上げることはできても、感情の深みや文脈に応じた抑揚の再現は限定的だった。Eleven v4はアーキテクチャを一新し、話者のトーンやペーシング、キャラクター性、文脈を解釈して音声を生成する点を特徴とする。

同社はEleven v4と低遅延版のEleven v4 Turboを同時に投入した。TurboはElevenAgentsと一体で最適化されており、他のエージェント開発者が異なるベンダーのモデルを組み合わせる場合と比べ、出力の調整や改善がしやすいとしている。多言語では90言語以上をサポートし、録音した声が別言語でもネイティブのアクセントを帯びつつ元の声のアイデンティティを保つ。

こうした性能が実際の制作現場でどこまで通用するかは、長時間のナレーションや対話生成での一貫性、感情表現の精度にかかっているとみられる。音声エージェントやダビング、オーディオブック制作に携わる事業者にとって、モデルの選択肢が広がる一方、用途ごとの最適な使い分けが今後の焦点となる。