Eleven v4, ElevenLabs की स्पीच सिंथेसिस टेक्नोलॉजी की चौथी पीढ़ी है — यही कंपनी वॉइस क्वालिटी में मानक तय करती है। यह मॉडल टेक्स्ट को नेचुरल पॉज़, सही ज़ोर और सांस की आवाज़ के साथ पढ़ता है, जिससे इसे इंसानी नैरेटर से अलग पहचानना मुश्किल हो जाता है।
इमोशन को टेक्स्ट के अंदर ही टैग्स से कंट्रोल किया जाता है: फुसफुसाहट के लिए [whispers], हंसी के लिए [laughs], जोश दिखाने के लिए [excited], और ठहराव के लिए [pause]। इससे आप एक जीवंत विज्ञापन, असली भाव वाली ऑडियोबुक, या गेम के लिए एक्सप्रेसिव कैरेक्टर वॉइसओवर बना सकते हैं।
12 आवाज़ों में से चुनें — पुरुष और महिला, सॉफ्ट से लेकर अनाउंसर-स्टाइल तक — और जनरेट करने से पहले हर एक को सुन सकते हैं। मॉडल अंग्रेज़ी में धाराप्रवाह बोलता है और 70 से ज़्यादा भाषाओं को सपोर्ट करता है। एक बार में 5000 कैरेक्टर तक कन्वर्ट होते हैं, जिसकी कीमत प्रति 1000 कैरेक्टर 10 क्रेडिट है।