ElevenLabs का नया v4 स्पीच मॉडल एआई आवाज़ों को अधिक अभिव्यक्तिपूर्ण और स्थिर बनाता है
decoder ·
ElevenLabs ने अपनी नई Eleven v4 स्पीच मॉडल जारी की है, जो लंबी उत्पादन प्रक्रियाओं में आवाज़ की स्थिरता और अभिव्यक्ति को काफी बेहतर बनाती है। अपडेटेड आर्किटेक्चर निर्देश संकेतों (direction cues) की अधिक सटीक व्याख्या करने की अनुमति देता है, जिससे भावनाओं, हंसी और ध्वनि प्रभावों का विश्वसनीय उत्पादन संभव होता है। यह मॉडल 90 से अधिक भाषाओं का समर्थन करता है और विदेशी भाषाओं में भी मूल उच्चारण बनाए रखते हुए आवाज़ क्लोनिंग क्षमताओं को बढ़ाता है। एक नया 'टर्बो' वेरिएंट वॉइस एजेंट्स जैसे रियल-टाइम अनुप्रयोगों के लिए टारगेट किया गया है, जो सिर्फ़ 150 मिलीसेकंड में ही speech उत्पादन शुरू कर देता है। बेंचमार्क्स दर्शाते हैं कि v4 गति और उच्चारण सटीकता दोनों में Cartesia Sonic 3.6 और Google के Gemini 3.8 Flash TTS जैसे प्रतिस्पर्धियों की तुलना में बेहतर प्रदर्शन करता है। कंपनी adoption को बढ़ावा देने के लिए 12 अक्टूबर तक API उपयोग पर अस्थायी मूल्य कमी पेश कर रही है। स्टैंडर्ड और टर्बो दोनों मॉडल्स अब API, ElevenAgents और ElevenCreative प्लेटफ़ॉर्म के माध्यम से उपलब्ध हैं।
decoder