ElevenLabs Eleven v4

Коротко

Разработчик

ElevenLabs, модель вышла 28 сентября 2026 года

На входе

текст до 5000 символов, язык текста из списка или автоопределение

Голоса

22 готовых голоса с образцами, клона нет

На выходе

речь в MP3, моно, 44,1 кГц

Русский язык

русский стоит в поле «Язык» по умолчанию

Теги

эмоции, смех и вздохи, звуки окружения, произношение по МФА

Цена

12 ₽ за 1000 символов

Обычно готово

≈ 10 с после отправки

API

есть, документация

Что умеет ElevenLabs v4

По словам ElevenLabs, четвёртая версия сначала разбирает смысл всей реплики и только потом решает, как её произнести, а цепочки тегов выполняет точнее, чем v3. Мы дали ей три задачи: служебный текст с числами, сцену со звуками и русскую речь вперемешку с английскими словами.

Напоминание с датой, суммой и телефоном

Этот же текст мы озвучили в Eleven v3 и Eleven v4 Turbo, голос везде Sarah: имя есть во всех трёх формах. Остальные настройки по умолчанию, в поле Язык стоит русский.

Напоминаем: вы записаны к стоматологу на 14 ноября, в 9:15, кабинет № 212. Приём стоит 2 450 ₽, договор подпишем на месте. Возьмите паспорт и полис ОМС. Опаздываете? Позвоните, и мы перенесём визит. Звонят вам обычно с номера, который заканчивается на 0347.

Запись на 25 секунд пришла через 14. Распознавание речи нашло в ней каждое слово, и сумму модель назвала полностью, с «рублями». Одно отличие от v3 всё же есть. Хвост телефона v4 произнесла по цифре, «ноль три четыре семь», а v3 разбила его на пары. Для номеров это удобнее: слушатель запишет цифры под диктовку. Ударения в «договор» (0:12) и «звонят» (0:20) распознавание не проверяет, их надо послушать.

Звуки внутри реплики

Кроме эмоций, подсказка формы предлагает теги звуков окружения, а манеру можно описать в скобках своими словами по-английски. Мы собрали короткую сцену: дождь, хлопок двери, вибрация телефона и фраза «сказала нервно, почти плача».

Сработало не всё. Шума дождя по замеру громкости нет ни в одной версии: в паузах между фразами почти тишина. Зато перед «И телефон, как назло…» почти секунду держится ровный звук одной громкости, у обеих моделей на одном и том же месте (0:07). Похоже, это и есть вибрация телефона, но на что он похож, стоит послушать. Хлопнула ли дверь перед «Это он», тоже лучше решить на слух (0:03). Слова обе версии произнесли одинаково, теги вслух не прозвучали, длина записей отличается на две десятых секунды. Turbo вернула файл через 9 секунд, v4 через 16. Если звук окружения важен для ролика, надёжнее добавить его отдельной дорожкой из Sound Effect V2.

Русский текст с английскими словами

Рабочие сообщения часто наполовину английские. Мы озвучили такой текст дважды, с языком Русский и с Определить автоматически, который форма советует для смешанного текста.

Английские слова распознавание разобрало в обеих записях, вплоть до «end of day». Разницу дало первое слово: с русским языком распознавание услышало «Созвон», с автоопределением «Зазвон». Проба одна, но по ней мы оставляем Русский, если русского в тексте больше, а автоопределение пробуйте для текста, где языки идут поровну.

Как это работает

В поле Текст помещается до 5000 символов вместе с тегами. Язык выберите из 36 в списке, от русского и казахского до японского, или оставьте автоопределение. Голос подберите по образцу: кнопки Женские и Мужские оставляют в списке только нужные. Сумму за символы видно на кнопке Отправить. Текст длиннее предела разбейте по абзацам и отправьте частями.

Готовая запись появится под формой в плеере. Её можно скачать в MP3, а кнопка Изменить вернёт текст и настройки в форму. Повторить запускает то же самое ещё раз и даёт другой дубль. Записи лежат в разделе Мои результаты 7 дней, нужные сохраните в библиотеку.

Настройки

Для первых проб хватает трёх полей: Текст, Язык и Голос. По умолчанию стоит Sarah. Голосов 22. Это не те 64, что в v3: часть имён совпадает, но Alicia и многих других здесь нет, а Rachel, наоборот, есть только в v4. Переключатель Дополнительно открывает четыре поля.

• Ползунок Стабильность подачи стоит на 0,5. Если сдвинуть ползунок влево, речь станет живее, но дубли будут сильнее отличаться друг от друга. Вправо — ровнее и одинаковее. Для сцены с эмоциями двигайте его влево, для инструкции вправо.
• У ползунка Сходство с голосом по умолчанию 0,75. Подсказка формы предупреждает, что при высоком значении речь может звучать менее естественно.
• В поле Чтение чисел и дат три кнопки, Авто, Вкл и Выкл. В нашей пробе «Авто» справилось само, а как ведёт себя «Вкл», мы проверили в v4 Turbo.
• В Seed вписывают число от 0 до 4294967295. Одинаковый seed при тех же настройках даёт похожую озвучку, хотя полного совпадения модель не обещает. Пригодится, чтобы вернуться к удачному дублю после проб с другими настройками.

Как писать текст с тегами

Подсказка у поля Текст делит теги на группы, и формула удобна такая: эмоция в начале фразы, звук голоса там, где он должен прозвучать, звук окружения перед событием.

• Эмоции и манера: [excited], [sad], [sarcastic], [whispers], [shouts].
• Звуки голоса: [laughs], [sighs], [gasps], [clears throat], [pause].
• Окружение: [door slams], [applause], [light rain]. В нашей сцене дождь не прозвучал.
• Своими словами по-английски: [slowly and solemnly], [strong French accent].
• Произношение трудного слова пишут в косых чертах международной фонетической записью (МФА), например /təˈmɑːtoʊ/. На русских словах мы этот приём не проверяли.

Теги пишут по-английски даже в русском тексте и оплачивают как обычные символы.

Сколько стоит

Цена считается за каждый символ текста вместе с пробелами и тегами, без подписки:

Язык, голос и настройки из блока Дополнительно цену не меняют.

Для чего подойдёт

• Сцена для аудиосериала или подкаста, где реплика сама подсказывает звук: вибрация, аплодисменты.
• Версии одного ролика на разных языках из списка формы.
• Рабочие объявления и голосовые сообщения с английскими терминами (см. пример выше).
• Реклама с сарказмом, смешком или шёпотом в нужном месте.
• Телефонные меню и напоминания, где номер должен прозвучать по цифре.

Ограничения

• Голосов 22, своего голоса нет. Клон делают в Ультре или Меге.
• Звуки окружения срабатывают не всегда. Нужен точный звук — сделайте его отдельно и сведите в аудиоредакторе.
• Больше 5000 символов за раз не отправить, длинный текст делите по смыслу, например по абзацам.

Чем v4 отличается от v3 и Turbo

У v4 и Turbo одинаковые поля, голоса и теги. Разница в назначении: по словам ElevenLabs, v4 сделана для дикторского чтения, аудиокниг и ролей, а Turbo для голосовых ассистентов, где важен быстрый ответ. На сайте вы ждёте готовый файл, поэтому разница во времени у нас вышла в несколько секунд, а слова в записях совпали. У v3 голосов больше, зато нет выбора языка и звуков окружения. Подробнее линейка разобрана в обзоре нейросетей ElevenLabs, а с озвучками других разработчиков её сравнивает раздел «Озвучка текста».

Вопросы про Eleven v4