Eleven v4は、音声品質の基準を作り続けるElevenLabsによる第4世代の音声合成モデルです。自然な間、抑揚、息づかいを伴って読み上げるため、人間のナレーターとの聞き分けが難しいほどです。
感情はテキスト内のタグで制御できます。ささやきなら[whispers]、笑い声なら[laughs]、高揚感なら[excited]、間を置くなら[pause]。これにより、活気あるCM、本物の抑揚を持つオーディオブック、表現力豊かなゲームキャラクターのボイスなどを作成できます。
男性・女性、落ち着いたトーンからアナウンサー風まで、12種類の音声から選択でき、生成前にそれぞれをプレビューできます。モデルは英語を流暢に話し、70以上の言語に対応。1回の生成で最大5000文字まで変換でき、料金は1000文字あたり10クレジットです。