ElevenLabs, che sviluppa tecnologie vocali basate sull’intelligenza artificiale, ha presentato i modelli text-to-speech Eleven v4 e Eleven v4 Turbo. L’azienda afferma che Eleven v4, dotato di un’architettura completamente nuova, produce voci più naturali interpretando intonazione, ritmo, emozione, carattere e contesto; nei testi lunghi è in grado di mantenere l’identità del parlante e di modificare l’intonazione in base alle battute precedenti. Nel modello è possibile utilizzare più tag vocali nello stesso comando; risate, rabbia, accenti e suoni ambientali possono essere descritti in linguaggio naturale. È inoltre disponibile un supporto migliorato per l’International Phonetic Alphabet (IPA).
Eleven v4 può clonare una voce a partire da una registrazione di 10 secondi e reintroduce la funzione Professional Voice Clone, assente in Eleven v3. Entrambi i modelli supportano più di 90 lingue; Eleven v3 ne supportava circa 70. L’obiettivo è migliorare la qualità in giapponese, portoghese brasiliano, mandarino e cantonese.
Eleven v4 Turbo è stato sviluppato per i call center e gli agenti vocali basati sull’intelligenza artificiale. Grazie allo streaming bidirezionale, inizia a generare l’audio in anticipo; nei test dell’azienda, la mediana del primo audio è stata di circa 150 millisecondi, mentre la latenza di inferenza è stata di circa 100 millisecondi. Eleven v4 può generare contenuti fino a 10 mila caratteri.
Perché è importante
Con la nuova architettura, il mantenimento della coerenza del parlante nei contenuti lunghi e la gestione di più elementi vocali con un unico comando portano il modello oltre le brevi narrazioni vocali, verso flussi di generazione più complessi. L’ampliamento della copertura linguistica da circa 70 a più di 90 lingue estende l’obiettivo di accessibilità e qualità, soprattutto per i team che utilizzano il giapponese, il portoghese brasiliano, il mandarino e il cantonese. Nella versione Turbo, l’attenzione allo streaming bidirezionale e alla bassa latenza mostra che il tempo di risposta è uno dei principali parametri di riferimento nei call center e negli agenti vocali basati sull’intelligenza artificiale. Tuttavia, il fatto che i risultati di latenza dichiarati si basino sui test dell’azienda lascia aperta la questione se le prestazioni possano mantenersi allo stesso livello con infrastrutture diverse e in condizioni di utilizzo reale. La disponibilità congiunta dell’opzione di clonazione da un breve campione e della clonazione professionale pone inoltre in primo piano la questione di quale metodo gli utenti sceglieranno in base ai requisiti di qualità.
Contesto
ElevenLabs non è un nome nuovo nell’archivio di FikirPilot: negli ultimi 90 giorni abbiamo pubblicato una notizia in cui compariva questo nome; quell’articolo è datato 12 settembre 2026.