Eleven v4 od ElevenLabs. Cena, język polski i co się zmienia

Co udostępnił ElevenLabs

Eleven v4 to następca modelu Eleven v3, który ElevenLabs rozwijał jako model do ekspresyjnego czytania tekstu. Producent deklaruje, że nowa wersja lepiej wykonuje wskazówki reżyserskie zapisane w tekście, na przykład polecenie szeptu, pauzy albo śmiechu. Ma też utrzymywać ten sam charakter głosu w długich nagraniach, co było słabszą stroną wcześniejszych modeli przy audiobookach i materiałach szkoleniowych.

Obok modelu podstawowego pojawił się Eleven v4 Turbo, przeznaczony do rozmów w czasie rzeczywistym. Według ElevenLabs mediana czasu do pierwszego dźwięku wynosi w nim około 150 ms. To parametr ważny dla agentów głosowych, na przykład na infolinii, gdzie opóźnienie odpowiedzi rozmówca słyszy od razu.

Najważniejsze zmiany w modelu v4

Zmiany opisane przez producenta dotyczą głównie jakości czytania i klonowania głosu. Poniższe punkty to deklaracje ElevenLabs, których niezależnie nie sprawdziliśmy.

• Sterowanie emocjami i efektami przez znaczniki w tekście, na przykład szept, śmiech, pauza lub dźwięk tła.
• Spójność głosu w nagraniach do 10 tys. znaków w jednym zapytaniu.
• Szybki klon głosu (Instant Voice Clone) z próbki trwającej około 10 sekund oraz obsługa profesjonalnych klonów (Professional Voice Clone).
• Lepsza kontrola wymowy przez zapis fonetyczny, przydatna przy nazwach własnych i skrótach.
• Ponad 90 języków wobec około 70 w modelu v3.

Ile kosztuje Eleven v4 w API

ElevenLabs rozlicza syntezę mowy w API za liczbę znaków. Cennik nie obejmuje podatków, więc firma w Polsce musi doliczyć VAT według swojego statusu. Przeliczenia poniżej wykorzystują kurs średni NBP z 29 września 2026 roku: 3,8537 zł za dolara.

Dla orientacji: godzina nagrania to według przelicznika producenta około 60 tys. znaków. W modelu v4 kosztuje to 4,80 USD (ok. 18,50 zł) po cenie regularnej i 1,32 USD (ok. 5,09 zł) w promocji. W abonamentach Creator i wyższych ElevenLabs daje do 12 października trzykrotnie więcej kredytów na nowy model.

• Eleven v4: 0,08 USD za 1 tys. znaków, w promocji 0,022 USD. To 80 USD (ok. 308,30 zł) lub 22 USD (ok. 84,78 zł) za 1 mln znaków.
• Eleven v4 Turbo: 0,04 USD za 1 tys. znaków, w promocji 0,011 USD. To 40 USD (ok. 154,15 zł) lub 11 USD (ok. 42,39 zł) za 1 mln znaków.
• Eleven v3 i Multilingual v2: 0,08 USD za 1 tys. znaków, bez promocji.
• Flash i Turbo poprzedniej generacji: 0,04 USD za 1 tys. znaków, bez promocji.

Wyniki testów i ich ograniczenia

ElevenLabs podaje, że w ślepych testach porównawczych słuchacze wybierali v4 w 65-81 proc. starć z modelami konkurencji, a model zajmuje pierwsze miejsce w rankingu Artificial Analysis. Opóźnienie konkurencyjnych modeli czasu rzeczywistego firma szacuje na 262-814 ms. To dane producenta, które nie rozbijają wyników na poszczególne języki.

Dla polskiego użytkownika najważniejsza jest jakość wymowy odmienionych nazw, liczb i skrótów, a tej producent osobno nie raportuje. Przed zmianą modelu w produkcji warto więc porównać v3 i v4 na własnych tekstach, zwłaszcza z nazwiskami, adresami i kwotami. Nowsze modele poprawiają naturalność, ale nie zawsze wymowę rzadkich słów.

Klonowanie głosu a bezpieczeństwo

Skrócenie próbki potrzebnej do klonu do około 10 sekund ułatwia pracę twórcom, ale obniża też próg dla oszustów. Kilkusekundowy fragment głosu można dziś zdobyć z filmu w mediach społecznościowych albo z nagrania poczty głosowej. Metody oszustw na podrobiony głos i sposoby obrony opisujemy w osobnym poradniku.

Firmy, które chcą klonować głosy pracowników lub lektorów, potrzebują pisemnej zgody tych osób i jasnych zasad wykorzystania nagrań. Głos jest w UE daną osobową, a przy identyfikacji osoby także daną biometryczną. Materiały generowane przez AI, które udają prawdziwe osoby, będą też objęte obowiązkami przejrzystości z AI Act.

Dla kogo jest v4, a komu wystarczy starszy model

Eleven v4 najbardziej przyda się wydawcom audiobooków, twórcom kursów online, studiom lokalizacji i zespołom budującym agentów głosowych. Przy krótkich komunikatach systemowych i masowych powiadomieniach tańszy Turbo albo model Flash mogą dać podobny efekt za połowę ceny.

W naszej ocenie promocja do 12 października to dobry moment na test porównawczy bez dużych kosztów. Po jej zakończeniu v4 kosztuje tyle samo co v3, więc decyzja o migracji sprowadzi się do jakości na polskich tekstach, a nie do ceny.