Eleven v4 vs. Sesame Preview: Das ist nicht der Vergleich, für den du ihn hältst

Die Suche nach ElevenLabs Eleven v4 im Vergleich zu Sesame Preview fördert reichlich Seiten zutage, die sie bereitwillig in eine Tabelle packen. Fast alle vergleichen ein Produkt mit einem Benchmark gegen eine Demo, und die Tabelle ist das am wenigsten nützliche Element auf der Seite. Eleven v4 ist ein allgemein verfügbares Sprachsynthesemodell mit einer API, einer Preisliste und einem veröffentlichten Arena-Rang. Sesame Preview ist ein kostenloser Sprachassistent für Verbraucher, der antwortet, wenn man auf einen Link tippt. Sie sind keine zwei Optionen für denselben Kauf, und die ehrliche Version dieses Artikels dreht sich darum, welche man tatsächlich will – denn die Antwort hängt von einer Frage ab, die die Marketingseite keines Anbieters stellt.

Was Eleven v4 tatsächlich ist

ElevenLabs hat am 28. September Eleven v4 und Eleven v4 Turbo als Produktionsendpunkte veröffentlicht. Eleven v4 unterstützt über 90 Sprachen, ein Limit von 10.000 Zeichen pro Anfrage, Multi-Speaker-Dialoge mit stabiler Sprecheridentität, Inline-Delivery-Direktiven, verbesserte IPA-Phonem-Unterstützung und sofortiges Voice Cloning aus zehn Sekunden Audio. Es belegt den ersten Platz in der Provider Voice Arena von Artificial Analysis mit einem Elo-Wert von 1.319 bei 1.674 Samples, die der Schätzung zugrunde liegen, und den zweiten Platz im Controlled Voice Board mit 1.157. Auf der API-Preisliste wird es mit 0,022 US-Dollar pro tausend Zeichen während einer Aktion geführt, die am 12. Oktober endet und dann auf 0,08 US-Dollar zurückgeht – der gleiche Preis, den das vorherige ElevenLabs Eleven v3 bereits hatte.

Jeder Teil dieses Absatzes ist überprüfbar. Es gibt eine Modellkennung, ein dokumentiertes Eingabelimit, einen veröffentlichten Preis pro Zeichen, einen Veraltungshinweis für die älteren Turbo-Stufen und einen unabhängigen Leaderboard-Eintrag mit einem Konfidenzintervall. So sieht ein Modell aus, wenn man es kaufen kann.

Was Sesame Preview tatsächlich ist

Sesame Preview ist eine Demonstration für Verbraucher. Es ist ein Sprachassistent, den man über die eigene Website des Unternehmens erreicht, mit einer kleinen Besetzung benannter Personas – Maya, Miles, Simone und Charlie –, einem Gesprächsgedächtnis, das zwischen Sitzungen erhalten bleibt, Websuche, Notizen und Erinnerungen sowie einer Zusammenfassung nach dem Anruf. Er ist kostenlos. Angemeldete Sitzungen dauern etwa eine halbe Stunde; Gastsitzungen etwa fünf Minuten. Er unterstützt nur Englisch. Und Sesame stellt unmissverständlich klar, dass er keine Aufgaben ausführt: Der Sinn der Demo ist das Gesprächserlebnis, nicht ein Agent, der Ihre Meetings bucht.

Der entscheidende Punkt bei diesem Vergleich ist, was fehlt. Es gibt keine Modellkennung, keinen Endpoint, keine Preisliste, kein Eingabelimit, an dem man sich orientieren könnte, und kein angekündigtes Datum für das Produktionsmodell. Sesames veröffentlichte Forschungsreihe ist etwas anderes – ein konversationelles Sprachmodell mit offenen Gewichten und einem 4K-Kontext – und das ist nicht dasselbe System, mit dem man in der Preview spricht. Das, was in jeder Vergleichstabelle „Sesame Preview“ heißt, ist also ein Produkt, mit dem man keine Integration vornehmen kann, und das, was man herunterladen kann, ist nicht das Produkt.

Warum sie sich keine Anzeigetafel teilen können

Die Arena für kontrollierte Stimmen auf Artificial Analysis ist das, was in diesem Feld einer neutralen Messung am nächsten kommt, und Sesame Preview ist dort nicht vertreten. Auch auf dem Anbieter-Stimmen-Board steht es nicht. Es gibt kein Elo, keine Stimmenzahl, keine Preisnormalisierung – und keine Möglichkeit, eine zu erstellen, denn eine Rangliste braucht einen aufrufbaren Endpunkt und einen Preis pro Einheit, und Sesame Preview hat weder das eine noch das andere.

Jede Tabelle, die diese beiden nebeneinanderstellt, füllt also die Sesame-Spalte aus einer Produkttour. Einen Endpunkt für 80 Dollar pro Million Zeichen mit einer kostenlosen Web-Demo in Bezug auf „Natürlichkeit“ zu vergleichen, ist kein Vergleich; es ist ein Kategorienfehler mit einem Loch in Elo-Form. Wenn eine Seite in diesem Duell einen Sieger kürt, hat sie die Grundlage für die Behauptung erfunden.

Was sich ehrlich sagen lässt, ist, was jedes von beiden zu sein versucht. Eleven v4 ist darauf optimiert, ein Skript in eine Darbietung zu verwandeln – in großem Maßstab, über eine API, jedes Mal mit derselben Stimme. Sesame Preview ist darauf optimiert, dass ein Fremder das Gefühl hat, mit jemandem zu sprechen – ein einziges Mal, in einem Browser-Tab.

Der eine Ort, an dem der Vergleich echt ist

Unter der Suche steckt eine echte Frage, und sie dreht sich um offene Gewichte. Wenn du eigentlich ein Sprachmodell willst, das du selbst herunterladen und ausführen kannst, ist keines der Flaggschiffe der beiden Anbieter die Antwort – ElevenLabs' Stack ist geschlossen, und das Sesame-System, das du ausführen kannst, ist das Forschungsmodell mit einem 4K-Kontext, nicht der Assistent.

Für diese Aufgabe ist der nützliche Referenzpunkt auf den Arena-Boards: Breeze TTS 2 ist der höchstplatzierte Open-Weights-Eintrag auf Provider Voice, bei Elo 1.206 und 34,00 $ pro Million Zeichen, mit 16 Open-Weights-Modellen im Teilnehmerfeld von 92 auf diesem Board. Das sind 113 Punkte hinter Eleven v4 und deutlich vor der Qwen3-TTS-Reihe bei 944 und 930. Wenn Ihr Projekt auf Ihrer eigenen Hardware laufen muss, ist der Vergleich, der sich lohnt, Eleven v4 gegen Breeze TTS 2 – nicht gegen eine Browser-Demo – und der Kompromiss ist real: Sie geben etwa hundert Elo-Punkte und den Audio-Tag-Workflow auf und gewinnen die Kontrolle über den gesamten Stack.

Auswählen, je nachdem, wofür jedes einzelne gedacht ist

• Wenn Sie ein Produkt bauen, das spricht – Eleven v4, über eine API, mit einer Preisliste. Nichts an Sesame Preview ist integrierbar, also ist es nicht Teil dieser Entscheidung.

• Wenn du jemandem in einer Konversationsdemo zeigen willst, wie sich Voice-KI anfühlt — Sesame Preview, und es ist kostenlos, was das ganze Argument dafür ist.

• Wenn Sie die emotionale Bandbreite bewerten, bevor Sie sich für einen Anbieter entscheiden, sind die Elo-Werte von Eleven v4 – 1.319 auf dem Anbieter-Stimmen-Board und 1.157 auf dem Klon-Stimmen-Board – die Zahlen, die Sie lesen sollten, mit der Einschränkung, dass die zweite diejenige ist, die ein Produkt mit geklonter Markenstimme beschreibt.

• Wenn Sie Sprachausgabe in anderen Sprachen als Englisch benötigen — Eleven v3 dokumentiert über 90; Sesame ist nur auf Englisch verfügbar und gibt das auch an.

• Wenn das Modell tatsächlich etwas tun soll – in diesem Vergleich: keines von beiden. Sesame Preview führt bewusst keine Aufgaben aus, und Eleven v4 ist eine Synthese-Engine, die einen eigenen Stack darum herum benötigt.

• Wenn Sie es lokal ausführen müssen – keines von beiden. Breeze TTS 2 ist der Open-Weights-Referenzpunkt.

• Wenn die Kosten der entscheidende Faktor sind — Eleven v4 kostet 0,022 $ pro tausend Zeichen bis zum 12. Oktober und danach 0,08 $, und Sesame Preview ist kostenlos, weil es kein Produkt ist, das man kaufen kann. Eine kostenlose Demo ist keine günstigere Option; sie ist eine andere Kategorie.

Das Einzige, was beide gemeinsam haben, ist ein Terminproblem. Der Aktionspreis von Eleven v4 läuft am 12. Oktober aus, wodurch sich seine Kosten um fast das Vierfache ändern. Für das Produktionsmodell hat Sesame überhaupt kein Datum genannt, was eine andere Art von Unsicherheit ist – die Preview könnte schon nächsten Monat abgelöst werden oder ein Jahr lang unverändert bleiben, und es gibt keine Möglichkeit, sich auf einen Launch einzustellen, den niemand terminiert hat.

Falls sich Ihr Stack letztendlich über mehr als einen Voice-Anbieter erstreckt

OrcaRouter hostet weder ElevenLabs noch Sesame, daher gibt es in diesem Artikel nichts, das über uns aufgerufen werden könnte, und wir werden nichts anderes implizieren. Was wir behandeln, ist die Ebene über einem Stack, der bereits Multi-Vendor ist. Ein API-Schlüssel erreicht über 200 Modelle, wobei die Listenpreise der Anbieter mit 0 % Aufschlag durchgereicht werden, sodass eine Preisänderung beim Upstream — das Aktionsfenster dieses Launches ist ein lebendes Beispiel — noch am selben Tag bei uns ankommt und nicht erst mit der nächsten Rechnung. Wo der Sprachpfad kundengerichtet ist, verschiebt automatisches Failover den Traffic zu einem gesunden Upstream, wenn einer beeinträchtigt ist, und so können Sie einen neuen Endpoint mit echtem Traffic testen, ohne ein Release darauf zu verwetten.

Was Sie mitnehmen sollten

Eleven v4 ist ein Modell, das man kaufen, messen und auf das man sich verlassen kann, und es steht derzeit mit einer zweiwöchigen Preissenkung an der Spitze des Anbieter-Voice-Rankings. Sesame Preview ist ein kostenloses Experiment zum Gesprächsgefühl, nur auf Englisch, auf dreißig Minuten begrenzt und nichts, worauf man aufbauen kann. Der Grund, warum sie in denselben Suchergebnissen erscheinen, ist, dass beide Voice-KI sind und beide neu sind — nicht, dass eines eine Alternative zum anderen wäre.

Wenn Sie hierhergekommen sind, um zwischen ihnen zu wählen, ist die hilfreiche Umdeutung diese: Sie wählen kein Stimmmodell. Sie entscheiden, ob Sie ein Produkt ausliefern oder eine Demo ausprobieren, und nur an einer dieser Entscheidungen hängt eine Preisliste. Wenn es das Produkt ist, lesen Sie die Zahlen von Eleven v4 und lesen Sie sie am 13. Oktober erneut, wenn der Aktionspreis ausläuft und sich der Vergleich mit jedem anderen Anbieter im Vergleichsfeld ändert.