ElevenLabs, компанията зад един от най-разпространените инструменти за синтез на реч с изкуствен интелект, пусна ново поколение модели: Eleven v4 и по-бързия Eleven v4 Turbo. Според съобщение на компанията те предлагат по-фин контрол върху интонацията и емоцията в гласа, а българският вече официално присъства сред над 90-те поддържани езика.

Два модела за различни цели

Eleven v4 е насочен към съдържание, при което емоционалната окраска е важна: аудиокниги, озвучаване на персонажи и дублаж. Моделът следва вградени в текста указания като „[смее се]“ или „[шепне]“ и по думите на ElevenLabs запазва идентичността на говорещия в дълги текстове и диалози с няколко персонажа.

Eleven v4 Turbo е създаден за гласови AI агенти и приложения в реално време, използвани в клиентската поддръжка и от виртуални асистенти. Според собствени тестове на компанията от септември 2026 година медианното време до първия звук, който потребителят чува, при Turbo е около 150 милисекунди. При конкурентния модел Cartesia Sonic 3.6 то е 262 милисекунди, а при вградения в GPT-4o mini модел на OpenAI - 814 милисекунди. В техническата си документация ElevenLabs посочва и отделна метрика: около 100 милисекунди медианна латентност при самата генерация на звука с Turbo.

Компанията твърди още, че функцията Instant Voice Clones позволява създаването на висококачествено копие на глас само с 10 секунди аудиозапис.

За българските потребители практическото значение е, че езикът вече официално фигурира в списъка с над 90-те езика, поддържани от Eleven v4, редом с руски, украински и полски. Това дава възможност на български компании и създатели на съдържание да тестват моделите за озвучаване, локализация и гласови агенти на роден език, вместо да разчитат само на по-старите версии или на английски.

По-лесното и достъпно клониране на гласове обаче поставя въпроси и за злоупотреби с фалшиви аудиозаписи. Европейската комисия посочва, че от август 2026 година в Европейския съюз действат правилата за прозрачност на Регламента за изкуствен интелект (AI Act). Според тях съдържанието, създадено от генеративен AI, трябва да е разпознаваемо, а фалшивите записи да са ясно и видимо обозначени.

Оценките за превъзходство на новите модели засега идват само от самата ElevenLabs. В блога си компанията цитира първо място в класация на Artificial Analysis и предпочитание от около 75% от слушателите при сляпо сравнение с конкурентни модели. Тези резултати обаче не са потвърдени от независим източник.