Îi dai 10 secunde din vocea ta și poate porni clonarea. ElevenLabs a lansat oficial Eleven v4 și Eleven v4 Turbo, o nouă generație de modele text-to-speech care promite voci mai apropiate de original, mai mult control asupra emoției și un Turbo făcut pentru conversații AI în timp real.
10 secunde. 90+ limbi. Aproximativ 100 ms latență de inferență pentru Turbo. Sunt cifrele cu care ElevenLabs încearcă să împingă voice AI-ul din zona de „sună surprinzător de bine” spre ceva ce poate fi folosit efectiv într-o conversație.
Eleven v4 nu mai vrea doar să citească textul
Noua arhitectură atacă exact lucrurile care încă trădează o voce sintetică: ritmul ciudat, emoția pusă unde nu trebuie, variațiile de timbru și acea senzație că fiecare frază a fost înregistrată separat.
V4 ține cont de ton, ritm, emoție, personaj și context, iar ElevenLabs spune că poate păstra mai bine identitatea unei voci inclusiv în texte lungi și dialoguri cu mai mulți vorbitori.
Controlul devine și mai important prin instrucțiunile puse direct în text:
[laughs][whispers]- indicații de emoție și ritm;
- accente;
- efecte sonore precum ploaie sau sonerii.
Practic, nu îi mai dai AI-ului doar scenariul. Îi dai și ceva apropiat de indicațiile unui regizor.
10 secunde și ai o clonă vocală
Aici e partea care probabil va atrage cele mai multe priviri.
Instant Voice Clone poate porni de la numai 10 secunde de material audio, potrivit ElevenLabs. Nu trebuie confundat cu Professional Voice Clone, unde procesul rămâne mai elaborat și urmărește fidelitatea maximă, dar pragul de intrare s-a micșorat enorm.
Voice-over pentru clipuri, audiobook-uri, personaje din jocuri, asistenți AI, localizare de conținut: toate devin mai ușor de produs.
Și, inevitabil, devine mai simplu și să reproduci o voce.
Turbo atacă problema pauzei enervante din conversațiile AI
Eleven v4 Turbo este construit pentru agenți vocali și discuții live. ElevenLabs vorbește despre aproximativ 100 ms latență mediană de inferență și circa 150 ms până la primul sunet.
Asta contează mai mult decât pare.
Un voicebot poate avea o voce superbă, dar dacă stă și „se gândește” după fiecare replică, senzația de conversație dispare imediat. Cu Turbo, ținta este evidentă: call-center AI, asistenți vocali, personaje din jocuri și alte situații în care interlocutorul trebuie să răspundă aproape imediat.
Noi am avut nevoie de 50 de minute din vocea mea
Avem și un punct de comparație foarte concret.
Când am folosit GIGABYTE A16 CHV ca studio mobil pentru creație și AI, am alimentat ElevenLabs cu aproximativ 50 de minute din vocea mea pentru a genera voice-over-uri folosite în YouTube Shorts.
Acum ElevenLabs vorbește despre clonare instant pornind de la 10 secunde.
Nu comparăm exact același proces - Professional Voice Clone și Instant Voice Clone urmăresc niveluri diferite de fidelitate - însă diferența arată foarte bine viteza cu care evoluează tehnologia.
De la zeci de minute de material brut la câteva secunde de probă vocală nu mai pare un salt de generații. S-a întâmplat extrem de repede.
ElevenLabs începe să dispară în spatele produselor pe care deja le folosim
Compania nu mai este nici pe departe doar un site pe care intră creatorii curioși să experimenteze cu AI.
Adobe a integrat vocile ElevenLabs în Generate Speech din Firefly, iar Spotify lucrează cu ElevenLabs pentru audiobook-uri narate de AI.
Poate că acesta este semnul mai important decât demonstrațiile spectaculoase de pe social media: tehnologia începe să dispară în spatele produsului final.
Utilizatorul aude vocea. Nu mai trebuie neapărat să știe cine a generat-o.
Și româna?
Eleven v4 și v4 Turbo suportă acum peste 90 de limbi, iar româna se află pe listă. ElevenLabs spune că noua generație poate păstra mai bine identitatea vocii originale chiar și atunci când schimbă limba, ajustând pronunția și intonația în funcție de text.
Asta face tehnologia mai relevantă și pentru creatorii din România, unde utilitatea nu se oprește la demonstrații în engleză: voice-over-uri, audiobook-uri, localizare de conținut sau agenți vocali pot folosi direct limba română.
Eleven v4 și v4 Turbo sunt disponibile prin ElevenCreative, ElevenAgents și ElevenAPI.
Iar dacă acum câțiva ani clonarea unei voci cerea mostre audio consistente, ElevenLabs împinge acum pragul de intrare într-o zonă aproape absurd de mică:
10 secunde de voce.
