Eleven v4

Eleven v4 är ElevenLabs nya modell för text till tal, släppt den 28 september 2026 tillsammans med den snabbare varianten Eleven v4 Turbo. Enligt ElevenLabs bygger den på en helt ny arkitektur som tolkar ton, tempo, känsla, rollfigur och sammanhang direkt ur texten, och den beskrivs som företagets mest känslouttrycksfulla modell hittills.

Man styr uppläsningen med ljudtaggar inne i texten, till exempel [whispers], [long pause] och [laughs], och kan även lägga in ljudeffekter som [door slams]. Modellen klarar dialoger med flera talare, håller samma röst stabil mellan omtagningar och ska hålla jämnt tempo och tonläge genom långa manus. Den talar över 90 språk. Snabb röstkloning fungerar med ungefär tio sekunders ljud, och de mer noggranna professionella röstklonerna, som inte fungerade med v3, stöds igen. Den äldre SSML-taggen <break> fungerar inte i v4, utan man använder taggar och vanliga instruktioner i stället.

Eleven v4 Turbo är gjord för realtid och röstagenter. Enligt ElevenLabs är mediantiden till första ljud cirka 150 millisekunder och själva beräkningen cirka 100 millisekunder, och text kan strömmas in medan en språkmodell skriver den. Sedan den 5 oktober är Turbo standardrösten för nya agenter i ElevenAgents, och den används även i ElevenLabs realtidsöversättning.

Båda modellerna finns i ElevenLabs webbapp (ElevenCreative), i ElevenAgents och via API:t med modellnamnen eleven_v4 och eleven_v4_turbo. De kostar samma krediter som ElevenLabs övriga talmodeller, och det går att börja med ett gratiskonto. ElevenLabs uppger att v4 låg etta i Artificial Analysis röst-arena i september 2026 och vann 65–81 % av blindtester mot konkurrerande modeller.