什么是 Eleven v4？

Eleven v4 是我们最新、最先进的文本转语音模型，也是新一代模型中的首款产品。与 Eleven v3 相比，它提升了输出质量、音色准确度、情感表现、音频标签和语言覆盖范围。

Eleven v4 大幅提升了语音克隆准确度。与以往任何模型相比，克隆音色能更准确地还原源音色的特征——音色质感、节奏和表达方式。

Eleven v4 中的即时语音克隆（IVC）比以往更加准确。它能更忠实地捕捉源音色的关键特征，让你更轻松地通过短音频样本快速创建逼真的克隆音色。

Eleven v4 完全支持专业语音克隆（PVC）。它同样基于音色准确度的提升，为需要最高一致性和控制力的 workflow 提供更忠实的源音色还原。

Eleven v4 提供两个版本，可根据使用场景选择合适的质量与速度平衡：

• Eleven v4（eleven_v4）——我们质量最高的模型，适合内容创作、有声书、角色旁白配音，以及任何将质量放在首位的使用场景。
• Eleven v4 Turbo（eleven_v4_turbo）——在保持极高质量的同时实现出色的低延迟，专为对话式智能体和交互式语音体验等实时场景打造。

两个版本均使用两项音色设置：稳定性和相似度。Eleven v4 不提供风格和速度滑块，也不支持 SSML。

当生成语言与参考音色的语言一致时，会像以前一样完全保留原始口音。当生成语言与参考音色语言不同时，Eleven v4 会生成流畅自然的目标语言语音，而不会保留参考音色原始语言的口音。

可使用 Create speech 和 Stream speech，并指定模型 ID eleven_v4 来生成语音。对于多说话人内容，请使用 Create dialogue 和 Stream dialogue。

如需了解克隆、口音、对比及完整说明，请参阅 Eleven v4。如需了解标签和提示词，请参阅 Eleven v4 提示词。