Eleven v4 and Eleven v4 Turbo
ElevenLabs · Voix et langage
Eleven v4 et Eleven v4 Turbo sont les modèles de synthèse vocale d'ElevenLabs pensés pour un audio expressif à plusieurs voix. Le Turbo conserve cette palette et descend autour de 100 ms de latence pour les agents vocaux.
À propos de Eleven v4 and Eleven v4 Turbo
About
Qu'est-ce qu'Eleven v4 et Eleven v4 Turbo
Eleven v4 est le modèle vocal le plus récent d'ElevenLabs, un système de synthèse vocale de quatrième génération sorti le 28 septembre 2026. Il lit un script en tenant compte de qui parle, de ce qui vient de se passer dans la scène et de la manière dont chaque réplique doit tomber. Au lieu de garder un ton uniforme sur tout un paragraphe, il ajuste le rythme, l'accentuation et la respiration au texte.
Le Turbo est la version à faible latence de cette même synthèse expressive. Il garde l'étendue émotionnelle et gagne en vitesse. ElevenLabs annonce une latence médiane d'inférence d'environ 100 ms et un premier son vers 150 ms. Un agent au téléphone répond avant que l'interlocuteur ne remarque la pause.
Aucun des deux n'est un chatbot. Vous apportez le script, choisissez une voix et dirigez l'interprétation. ElevenLabs place Eleven v4 en tête du classement vocal d'Artificial Analysis et affirme qu'environ 75 % des auditeurs l'ont préféré lors de tests à l'aveugle. C'est une affirmation de l'éditeur, à confronter avec vos propres textes.
Les limites restent concrètes. Une génération plafonne à 10 000 caractères, la facturation passe par des crédits et tout clonage vocal exige le consentement vérifié de la personne concernée. Les clones créés avant la sortie de v4 doivent aussi être réentraînés. Le consentement n'est pas une option.
Pour commencer
- Créez un compte ElevenLabs. L'offre gratuite comprend 10 000 crédits par mois, soit une dizaine de minutes d'audio.
- Ouvrez Text to Speech, puis choisissez Eleven v4 pour un contenu produit ou Eleven v4 Turbo pour un agent en direct. Dans l'API, basculez avec l'identifiant
eleven_v4oueleven_v4_turbo. - Sélectionnez une voix parmi plus de 17 500, clonez-en une à partir d'un court enregistrement ou générez-en une à partir d'une description écrite.
- Rédigez le script et ajoutez des indications entre crochets, comme [whispers], [laughs] ou [long pause], là où l'interprétation doit changer.
- Générez la prise, puis téléchargez-la en MP3, WAV, PCM ou µ-law selon la destination de l'audio.
Informations sur le produit
Aperçu des tarifs, des plateformes compatibles et des performances de Eleven v4 and Eleven v4 Turbo.
Idéal pour
Les utilisateurs, tâches et cas d'usage où cet outil convient le mieux.
Utilisateurs
- Producteurs de livres audio et de podcasts
- Équipes de jeu vidéo et d'animation
- Équipes produit qui construisent des agents vocaux
Tâches
- Narrer un manuscrit entier
- Diriger une scène à plusieurs personnages
- Décliner une voix de marque sur plusieurs marchés
- Tenir une ligne téléphonique en direct
Cas d'usage
- Transformer des archives écrites en série à écouter
- Doubler une formation ou une vidéo pédagogique dans plusieurs langues
- Prototyper un bot de support ou un parcours IVR
Fonctionnalités clés
Une direction écrite dans le script
Eleven v4 lit les balises audio intégrées comme des notes de jeu. [whispers], [laughs], [building], [door slams] et autres repères modulent le ton, le rythme et le fond sonore. Le modèle suit les séquences de balises plus fidèlement que v3, y compris lorsqu'elles s'empilent. Une scène se dirige en langage courant, sans multiplier les prises.
Raccord de contexte pour les longs enregistrements
Une génération s'arrête à 10 000 caractères, mais le raccord de contexte transporte rythme, ton et débit d'un fragment au suivant, ce qui évite qu'une longue séance ressemble à plusieurs enregistrements collés bout à bout. Un livre audio assemblé en dizaines de passages s'écoute comme une lecture continue.
Une identité de locuteur stable d'une prise à l'autre
Régénérer une réplique pouvait auparavant ramener une personne légèrement différente. Eleven v4 maintient l'identité du locuteur en dialogue, en narration et sur les générations répétées. Corriger une phrase n'oblige plus à reprendre le chapitre entier.
Clonage vocal à partir de dix secondes d'audio
Les clones instantanés demandent une dizaine de secondes de voix propre et captent davantage de timbre d'origine que les modèles précédents. Dix secondes suffisent. Les clones vocaux professionnels, écartés dans v3, reviennent et exploitent toute l'étendue émotionnelle du modèle. Chaque clone exige le consentement vérifié du propriétaire de la voix.
Plus de quatre-vingt-dix langues avec l'accent local
Les deux modèles couvrent plus de 90 langues. Une voix enregistrée en anglais parle japonais, espagnol ou portugais avec l'accent d'un locuteur natif tout en gardant son identité. Cette tenue de l'accent dure sur toute la génération, ce qui compte pour le doublage et pour les marques qui utilisent une seule voix sur plusieurs marchés.
Turbo pour la conversation en direct
Eleven v4 Turbo reçoit le texte et renvoie l'audio en streaming, si bien qu'il commence à parler avant la fin de la phrase produite par votre modèle. La latence médiane d'inférence approche 100 ms et l'étendue expressive égale celle du modèle standard. Cette combinaison fait qu'un agent vocal en temps réel sonne comme une personne et non comme une annonce.
Avantages et inconvénients
Avantages
- Une étendue émotionnelle qui tient sur une scène entière, pas seulement sur une réplique.
- Les balises audio sont suivies assez précisément pour éviter une partie des reprises manuelles.
- Les clones vocaux professionnels reviennent, avec le même comportement sur les deux modèles.
- Une voix clonée reste reconnaissable dans plus de quatre-vingt-dix langues.
- La latence du Turbo autorise les appels en direct sans sacrifier l'expression.
Inconvénients
- 10 000 caractères par génération imposent des raccords et des vérifications sur les livres longs.
- Le coût en crédits reste difficile à prévoir quand vous générez en volume.
- Les clones entraînés avant la sortie de v4 doivent être réentraînés.
- Les balises SSML de pause sont désactivées, le contrôle des silences passe donc par des indications en langage naturel.
Questions fréquentes
Eleven v4 est le modèle de synthèse vocale d'ElevenLabs pour un audio expressif à plusieurs voix. Il interprète le ton, le rythme et le contexte du script, et accepte des balises audio qui dirigent le rendu de chaque réplique. Il est sorti le 28 septembre 2026.
Contenus associés
Découvrez des outils, des compétences et des articles liés à Eleven v4 and Eleven v4 Turbo.
Alternatives à Eleven v4 and Eleven v4 Turbo
Foley
Hanamori Labs, LLC · Voix et langage · Productivité · Assistant d’IAFoley est une liste de tâches vocale qui transforme une phrase prononcée en tâche classée, projet, date et heure compris, puis vous aide à organiser la journée à partir de ce qui est déjà noté.
HireKey
HireKey · Voix et langage · Productivité · ApprentissageHireKey est un copilote de recherche d'emploi IA conçu par une ancienne recruteuse tech. Il évalue l'adéquation au poste, adapte le CV, entraîne aux entretiens et suit chaque candidature.
Fluence
Yay Software (Yannick Huchard) · Rédaction · Voix et langage · ProductivitéFluence est une application Android qui lit à voix haute vos PDF, EPUB, fichiers Word et articles web, suit la phrase prononcée et répond aux questions sur le texte sans quitter le téléphone.