ElevenLabs hat die vierte Version des Text-to-Speech-Modells Eleven vorgestellt, die Regieanweisungen wie Flüstern, Lachen oder emotionale Nuancen präziser umsetzen soll. Die Turbo-Variante erreicht eine Latenz von nur 150 Millisekunden und ist damit für Echtzeit-Sprachagenten geeignet. In Benchmarks führt Eleven v4 bereits vor Konkurrenten wie Cartesia und Googles Gemini. Das Modell verspricht auch stabilere Stimmqualität über lange Produktionen wie Hörbücher hinweg – ein wichtiger Fortschritt für kommerzielle Voice-Anwendungen.
