В официальном релизе Eleven v4 Turbo представлена вместе с Eleven v4. Базовая Eleven v4 описана как модель text-to-speech, то есть система, которая превращает текст в звучащую речь. Версия Turbo названа низколатентным вариантом той же технологии. Это означает, что акцент сделан на коротком ожидании ответа, особенно в сценариях голосовых агентов. Для Turbo указана медианная задержка инференса около 100 мс. Инференс здесь можно понимать как момент, когда модель уже генерирует результат по входному тексту. В релизе также названа медиана времени до первой речи около 150 мс. Такие числа относятся именно к заявленным измерениям источника и не являются обещанием одинакового результата во всех условиях.
Что умеет модель
Главная функция Eleven v4 Turbo: синтез речи из текста для разговорных сценариев. Источник пишет, что семейство Eleven v4 умеет учитывать тон, темп, эмоции, характер и контекст текста. Для пользователя это означает не просто чтение строки вслух, а попытку подобрать подачу под смысл реплики. В релизе также описаны управляющие подсказки естественным языком: можно указать, как должна прозвучать фраза, какую эмоцию передать или какой звуковой эффект добавить. Примеры таких inline tags, то есть встроенных пометок внутри текста, включают смех, сердитую подачу с французским акцентом, лёгкий дождь или звонок телефона. Для Eleven v4 заявлено более точное следование таким тегам по сравнению с прежними моделями, а Turbo переносит эту технологию в низколатентные сценарии.
Мультимодальность и обучение
Подтверждённая модальность релиза: аудио, потому что речь идёт о text-to-speech. Источники не описывают генерацию изображений или видео для Eleven v4 Turbo. Зато есть детали, важные для звучания речи. В релизе сказано об улучшенной поддержке IPA-фонем. IPA, или Международный фонетический алфавит, нужен для точной записи произношения, когда обычного написания слова недостаточно. В материале про ElevenAgents также упомянут pronunciation dictionary: словарь произношения, куда можно один раз добавить название бренда, лекарства или места, чтобы агенты произносили его корректно на разных языках. Для живых разговоров в ElevenAgents заявлена поддержка более 90 языков, а самые крупные улучшения названы для японского, бразильского португальского, мандаринского и кантонского.
Доступ и ограничения модели
По официальному релизу, Eleven v4 и v4 Turbo доступны в ElevenAgents, ElevenCreative и API. Отдельный официальный материал уточняет, что Eleven v4 Turbo уже доступна в ElevenAgents и используется для живых разговоров. В этом режиме модель работает вместе с моделями транскрибации и определения очередности реплик, чтобы агент мог вести диалог. Источник также описывает переключение языка во время звонка: если собеседник меняет язык, агент может переключиться вместе с ним, сохраняя узнаваемый голос или меняя голос для более естественного звучания. Ограничения стоит формулировать аккуратно: в источниках нет подтверждённых данных о цене для точной версии, региональной доступности, лицензии или самостоятельной установке весов. Подтверждены только перечисленные каналы доступа и заявленные свойства работы.
Источники
Вопросы и ответы
Чем Eleven v4 Turbo отличается от Eleven v4?
По релизу, Turbo является низколатентным вариантом Eleven v4. Она переносит ту же технологию синтеза речи в сценарии с быстрым ответом, прежде всего для голосовых агентов.
