概览
Eleven v4 的低延迟版，专为语音智能体和实时对话打造：推理时延中位数约 100 ms、首个语音约 150 ms，保留 v4 的情绪表现、音频标签与 90+ 语言；API $0.04/千字符。 Eleven v4 Turbo 是 ElevenLabs 于 2026 年 9 月 28 日与 Eleven v4 一起发布的实时文本转语音模型，定位是「为实时和智能体而生的 v4」。它把 v4 的情绪表现与音频标签控制带到低延迟场景：官方给出的推理时延中位数约 100 毫秒、首个语音中位数约 150 毫秒，并在长时间交互中保持稳定。模型支持 90 多种语言（含普通话与粤语）和高保真声音克隆，通过 Text to Dialogue WebSocket 流式调用（模型 ID eleven_v4_turbo），并与 ElevenLabs 的语音智能体平台 ElevenAgents 一起调优，适合客服、AI 助手和互动角色。若需要端到端「听-想-说」一体的语音对语音模型，可看同厂的 Eleven Realtime。官方定价页 API 价格为 $0.04/千字符。来源：https://elevenlabs.io/blog/eleven-v4 、https://elevenlabs.io/v4 、https://elevenlabs.io/docs/overview/models 、https://elevenlabs.io/pricing/api （2026-10-21 核对）。
- 模态
- 音频
能力
- 模型 ID：eleven_v4_turbo，通过 Text to Dialogue WebSocket 流式调用；ElevenAgents 与 ElevenAPI 可用
- 时延：推理时延中位数约 100 ms（不含应用与网络时延），首个语音中位数约 150 ms（官方对比图：Cartesia Sonic 3.6 约 262 ms、OpenAI GPT-4o mini TTS 约 814 ms）
- 表现力：与 Eleven v4 同一代技术，支持音频标签精细控制演绎，长对话中保持稳定
- 语言：90+ 语言（与 v4 同一语言列表，含普通话 zh、粤语 yue）
- 声音克隆：支持高保真声音克隆
- 与 ElevenAgents 联合优化：官方称研究和工程团队把 v4 Turbo 与 ElevenAgents 作为一个系统一起调优
- 典型场景：客服 / 支持类语音智能体、AI 助手、互动角色（如医疗场景准确读医学术语、游戏里的快语速角色）
- 价格：ElevenAPI 定价页 Text to Speech（v4 Turbo）$0.04/千字符
