ElevenLabs 发布 Eleven v4 与 Eleven v4 Turbo 语音模型

这次发布的是什么

2026年9月28日，ElevenLabs 在官方更新日志中宣布 Eleven v4 和 Eleven v4 Turbo 已经可以使用。Eleven v4 是一个文本转语音和声音克隆模型，官方说它能生成更高质量、更有表现力的语音，并且在90多种语言中改进了声音克隆。Eleven v4 Turbo 属于同一个模型家族，专门用于实时应用，官方给出的中位推理延迟大约是100毫秒。

官方没有说明这两个模型是开源、开放权重还是闭源服务，也没有说明训练数据、参数规模或具体价格。你可以把它们想成两个“配音小机器人”：一个擅长慢慢录出好听的长篇故事，另一个反应特别快，适合现场对话。

两个版本分别怎么用

官方文档写明，做内容创作和长音频时，可以通过 Text to Dialogue API 使用 eleven_v4 这个模型标识。做智能体或互动应用时，可以通过 Text to Dialogue WebSocket 使用 eleven_v4_turbo。也就是说，一个走普通请求，一个走实时流式连接。

这种分工就像拍电影：Eleven v4 是后期配音棚，可以反复打磨每一句话；Eleven v4 Turbo 是现场直播的耳返，必须立刻接上话。官方没有说明这两个接口是否支持所有地区，也没有说明免费用户能否使用。

声音克隆和多语言能力

官方说 Eleven v4 在超过90种语言中改进了声音克隆。声音克隆的意思是，模型可以学习某个人的声音特点，然后用这个声音说出新的内容。官方没有说明克隆需要多少录音样本、是否需要本人授权，也没有说明有哪些安全限制。

可以把它想成“声音复印机”：你给它一段原声，它就能用相似的声音读出新句子。但复印机也可能被乱用，所以官方未说明的授权和防滥用措施，是需要继续核验的地方。

实时延迟意味着什么

官方给出 Eleven v4 Turbo 的中位推理延迟约为100毫秒。中位延迟是指一半请求比这个时间快、一半比这个时间慢。100毫秒大约是人眨一次眼的时间，所以它适合需要快速回应的智能体或互动应用。

不过，官方没有说明这个延迟是在什么网络、什么硬件、什么文本长度下测得的。实际使用中，网络状况、服务器位置和文本长短都会影响等待时间。就像点外卖，商家出餐快不代表送到你手上一定快。

同一天还有哪些相关更新

同一份更新日志还提到，Speech to Text 的批量与实时转录现在可以接受最多2000个字符的自然语言编辑指令，批量结果会返回 edited_transcript，实时会话会发出 edited_transcript 事件。ElevenAgents 新增了 gpt-6-sol、gpt-6-luna、glm-52、deepseek-v41-flash、claude-opus-5 和 claude-opus-5-5 等智能体大模型选项。

此外，Flows 模板 API 新增了列出、获取、启动和查询模板运行的端点；JavaScript SDK 和 Python SDK 都更新到 v2.70.0；ElevenLabs CLI 更新到 v1.4.0，修复了显式 API key 与存储的 OAuth 凭证同时发送导致认证失败的问题。这些更新与 Eleven v4 同属一次更新日志，但各自独立。

适合哪些人使用

需要制作有声内容、播客、视频配音或多语言音频的创作者，可以关注 Eleven v4。需要搭建实时语音智能体、客服机器人或互动应用的开发者，可以关注 Eleven v4 Turbo。使用 Text to Dialogue API 或 WebSocket 的团队，需要按官方文档调整模型标识和参数。

但如果你只是偶尔需要文字转语音，或者对价格敏感，官方没有说明这次发布的定价和免费额度，所以最好先查看官方定价页面或实际测试后再决定。小学生和初中生如果只是想体验，可以请老师或家长帮忙确认账号和授权要求。

还需要核验什么

原文没有说明 Eleven v4 和 Eleven v4 Turbo 是否开源、是否开放权重、是否闭源服务，也没有说明模型参数规模、训练数据来源、语音克隆的授权流程和防滥用机制。原文没有说明具体定价、免费额度、地区限制和商用许可。原文没有说明这次发布是首次发布还是对已有模型的更新。

如果你要正式使用，建议直接查看 ElevenLabs 官方文档中的 Eleven v4 概览、Text to Dialogue API 指南和实时流式指南，确认模型标识、支持语言、延迟表现和计费方式。对于声音克隆，还要确认是否需要获得被克隆者的同意，以及平台有哪些安全限制。