AI配音这行，ElevenLabs 刚刚划了一条代际线。9 月 28 日，Eleven v4 和 Eleven v4 Turbo 上线，官方话术很嚣张：语音 AI 从「朗读」时代进入「表演」时代——模型先理解这句话该怎么演，再开口说话。Turbo 版首音延迟约 150 毫秒，语音 agent 终于不用再忍那半秒的尴尬沉默了。
先看第三方成绩单。Artificial Analysis 的 Provider Voice TTS Arena 上，Eleven v4 以 Elo 1319 拿下第一，领先 Cartesia Sonic（1276）和 Google Gemini Flash TTS（1267）。发音鲁棒性第一，受控声音第二，盲测里大概四次有三次被听众选中。独立评测 WhatAITools 的结论是：厂商吹的牛，这次基本都站得住。
从「念字」到「演戏」：v4 的架构换代
以前的 TTS 是「字→音」的映射：给一段文本，输出一段音频，情绪全靠标点和 SSML 标签硬凑。v4 换了一套思路：先解读文本的语气、节奏、情绪、角色和上下文，再合成。官方给的玩法是 inline tags 加自然语言导演指令——直接写「用急促又压抑的语气念这句」，模型照办。
这对做内容的人意味着：有声书里不同角色的对话、短剧的情绪转折、广告的语气拿捏，不用再靠后期一遍遍返工。声音身份在长文本、多轮对话、重新生成的行之间保持得更稳，TechCrunch 点名日语、巴西葡语、普通话、粤语的提升最明显。语言覆盖从 v3 的 70+ 涨到 90+。
- 即时克隆：10 秒音频就能克隆一个高保真声音，Professional Voice Clones（最高 fidelity 档）在 v4 上完整支持。
- 单次上限翻倍：一次请求最多 10,000 字符（约 10 分钟音频），v3 只有一半，长章节一遍过。
- 多说话人更自然：对话场景下，声音会回应上一句的内容，而不是各说各的台词。
数字摊牌：v4、v4 Turbo、v3 一张表看懂
| 维度 | Eleven v4（旗舰） | Eleven v4 Turbo（实时） | Eleven v3（上一代） |
|---|---|---|---|
| 定位 | 叙述、配音、创意制作 | 实时语音 agent、语音助手 | 被 v4 同价替换 |
| 首音延迟 | 常规 | 中位约 150ms | 明显更慢 |
| 语言数 | 90+ | 90+ | 70+ |
| 单次字符上限 | 10,000 | 10,000 | 5,000 |
| API 价格 | $0.08/千字符 | $0.04/千字符 | 同价（已替换） |
| 竞技场排名 | 第 1（Elo 1319） | — | — |
延迟口径多说一句，免得被两个数字绕晕：官方一处写 Turbo 推理延迟约 100ms，另一处写首音约 150ms，测的不是同一个阶段。看「开口说话要等多久」，认 150ms 这个数就行——比人跟人说话的正常停顿还短。
价格与羊毛：72% 折扣只到 10 月 12 日
价格策略这次很实在：v4 和 v4 Turbo 直接按 v3 的原价上架，不加价。v4 是 $0.08/千字符，Turbo 是 $0.04/千字符。叠加一个上线促销：72% 折扣持续到 10 月 12 日，折后 v4 只要 $0.022/千字符，Turbo $0.011/千字符。
算笔账：一本 10 万字的中文有声书，按折后价用 v4 全本合成，成本大约 22 美元。10 月 12 日之后恢复原价，同样的活要 80 美元。差的是 3.6 倍。有配音需求的，这几天就是窗口期，先把长文本批量跑完再说。
薅羊毛姿势：折扣走的是 API 计价，不是订阅。已经有 ElevenLabs 账号的，直接调
eleven_v4或eleven_v4_turbo模型 ID 就能吃到折扣价，不用换套餐。免费额度党先去 ElevenAgents / ElevenCreative 里白嫖试听，耳朵收货再掏钱。
竞品横向：Gemini 便宜 7 倍，选谁？
tech-insider 的横评把话说得很直白：语音合成的价格一年掉了好几档，选错模型，多花 5 到 7 倍的钱，效果还差不多。Google 的 Gemini 3.8 Flash TTS（9 月 23 日上线，还是 preview）促销价一路保到 12 月 31 日，走的是极致性价比路线。
怎么选看场景：要情绪、要演技、要长文本声音稳定，v4 贵得有道理；做海量通知、IVR 提示音、内部工具朗读这种「听个响」的活，Gemini Flash 那边能省下一大笔。OpenAI 的 GPT-4o-mini-TTS 则是默认选项——已经在 OpenAI 生态里的，懒得折腾就别换。
谁该现在上车：三类人别犹豫
- 有声书/播客/短剧制作者：10 秒克隆 + 90+ 语言 + 10,000 字符单次上限，生产管线直接提速，折扣期内把库存跑完。
- 语音 agent 开发者：Turbo 的 150ms 首音是实时对话的及格线，配合 Digital Applied 的延迟口径分析，先做一轮真机实测再定型。
- 出海内容团队：日语、葡语、普通话、粤语这次提升最大，多语言配音不用再找四个外包了。
一句话：v4 是「演技派」，Turbo 是「短跑选手」，折扣是真金白银。10 月 12 日之前，该试的试、该囤的囤。想看完整技术拆解可以读 Tech Times 的架构解读和 这篇实操 checklist。
