语音人工智能公司ElevenLabs近日推出其最新语音合成模型v4，该模型支持90种语言，并新增了对语音表达方式的精细化控制能力。用户可以通过标签指定耳语、笑声或兴奋等语气，从而生成更具表现力的语音内容。
据ElevenLabs介绍，v4模型仅需10秒的音频片段即可完成声音克隆，进一步降低了语音定制的门槛。这一能力对于需要快速生成多语言语音内容的企业客户而言，意味着更短的制作周期和更低的成本。
ElevenLabs成立于2022年，专注于生成式语音技术，其产品广泛应用于有声书制作、视频配音、客服系统以及无障碍阅读等场景。此前该公司已推出多个版本的语音合成模型，并逐步扩展对多语言和情感表达的支持。v4的发布标志着其在语音自然度和可控性方面又迈出一步。
在AI语音赛道竞争日益激烈的背景下，ElevenLabs面临来自OpenAI、谷歌以及多家初创公司的竞争。对表达细节的控制和更广泛的语言覆盖，正成为语音合成服务商差异化竞争的关键。企业客户在选择语音API时，除了音质和延迟，也越来越关注能否通过参数调整来匹配特定品牌调性或内容风格。
目前，ElevenLabs尚未披露v4模型的具体定价和API开放时间。随着多语言语音交互在客服、教育、媒体等企业服务场景中的渗透，此类模型的迭代将直接影响相关应用的落地效率和用户体验。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
