Eleven v4 vs Sesame Preview: Non è il confronto che pensi

Cercando ElevenLabs Eleven v4 contro Sesame Preview si trovano molte pagine che li metteranno volentieri in una tabella. Quasi tutte confrontano un prodotto con un benchmark rispetto a una demo, e la tabella è la cosa meno utile della pagina. Eleven v4 è un modello di sintesi vocale di disponibilità generale con un'API, un listino prezzi e un ranking pubblicato in arena. Sesame Preview è un assistente vocale per consumatori gratuito che risponde quando tocchi un link. Non sono due opzioni per lo stesso acquisto, e la versione onesta di questo articolo riguarda quale dei due vuoi davvero — perché la risposta dipende da una domanda che nessuna pagina di marketing di nessuno dei due fornitori pone.

Cos'è davvero Eleven v4

ElevenLabs ha rilasciato Eleven v4 ed Eleven v4 Turbo il 28 settembre come endpoint di produzione. Eleven v4 supporta oltre 90 lingue, un limite di 10.000 caratteri per richiesta, dialogo multi-parlante con identità stabile dei parlanti, direttive di resa inline, supporto migliorato ai fonemi IPA e clonazione vocale istantanea da dieci secondi di audio. Si classifica al primo posto nella Provider Voice Arena di Artificial Analysis con Elo 1.319, con 1.674 campioni a supporto della stima, e al secondo posto nella classifica Controlled Voice con 1.157. Nel listino delle tariffe API è indicato a 0,022 $ per mille caratteri durante una promozione che termina il 12 ottobre, per poi tornare a 0,08 $ — la stessa tariffa applicata dal precedente ElevenLabs Eleven v3.

Ogni parte di quel paragrafo è verificabile. C'è un identificatore di modello, un limite di input documentato, un prezzo pubblicato per carattere, una nota di deprecazione per i livelli Turbo più vecchi e una voce indipendente in una classifica con un intervallo di confidenza. Ecco come appare un modello quando puoi acquistarlo.

Che cos'è realmente Sesame Preview

Sesame Preview è una dimostrazione per consumatori. È un assistente vocale a cui si accede tramite il sito dell'azienda, con un piccolo cast di personaggi dal nome proprio — Maya, Miles, Simone e Charlie — memoria conversazionale che si conserva tra le sessioni, ricerca sul web, note e promemoria, e un riepilogo dopo la chiamata. È gratuito. Le sessioni da utente connesso durano circa mezz'ora; quelle da ospite circa cinque minuti. Gestisce solo l'inglese. E Sesame dichiara senza mezzi termini che non esegue compiti: il punto della demo è il tessuto conversazionale, non un agente che prenota la tua riunione.

La parte che conta in questo confronto è ciò che manca. Non c'è un identificatore di modello, nessun endpoint, nessuna rate card, nessun limite di input su cui progettare, e nessuna data annunciata per il modello di produzione. La linea di ricerca pubblicata da Sesame è una cosa separata — un modello vocale conversazionale a pesi aperti con un contesto di 4K — e non è lo stesso sistema con cui parli nella Preview. Quindi la cosa chiamata "Sesame Preview" su ogni tabella di confronto è un prodotto con cui non puoi integrarti, e la cosa che puoi scaricare non è il prodotto.

Perché non possono condividere un tabellone segnapunti

L'arena a voce controllata su Artificial Analysis è la cosa più vicina a una misurazione neutrale che questo campo abbia, e Sesame Preview non è presente. Non è presente nemmeno nella classifica delle voci dei provider. Non ci sono Elo, né conteggio dei voti, né normalizzazione dei prezzi — e nessun modo di produrne una, perché una classifica richiede un endpoint richiamabile e un prezzo per unità, e Sesame Preview non ha né l'uno né l'altro.

Quindi qualsiasi tabella che metta questi due fianco a fianco sta riempiendo la colonna Sesame a partire da un tour del prodotto. Confrontare un endpoint da 80 $ per milione di caratteri con una demo web gratuita sulla "naturalezza" non è un confronto; è un errore di categoria con un buco a forma di Elo. Se una pagina dichiara un vincitore in quel confronto, si è inventata la base per l'affermazione.

Quello che si può dire onestamente è quello che ognuno cerca di essere. Eleven v4 è ottimizzato per trasformare un copione in una performance, su larga scala, tramite un'API, con la stessa voce ogni volta. Sesame Preview è ottimizzato per far sì che un estraneo abbia la sensazione di parlare con qualcuno, una volta sola, in una scheda del browser.

L'unico posto in cui il confronto è reale

C'è una domanda autentica sotto la ricerca, e riguarda i pesi aperti. Se ciò che vuoi davvero è un modello vocale che puoi scaricare ed eseguire da solo, nessuno dei prodotti di punta dei due fornitori è la risposta — lo stack di ElevenLabs è chiuso, e il sistema Sesame che puoi eseguire è il modello di ricerca con un contesto da 4K, non l'assistente.

Per quel lavoro, il punto di riferimento utile è nelle classifiche dell'arena: Breeze TTS 2 è la voce open-weights meglio classificata su Provider Voice, con Elo 1.206 e $34,00 per milione di caratteri, con 16 modelli open-weights nel campo di 92 di quella classifica. È 113 punti dietro Eleven v4 e ben avanti rispetto alla linea Qwen3 TTS a 944 e 930. Se il tuo progetto deve girare sul tuo hardware, il confronto che vale la pena fare è Eleven v4 contro Breeze TTS 2 — non contro una demo del browser — e il compromesso è reale: rinunci a circa un centinaio di punti Elo e al flusso di lavoro dei tag audio, e guadagni il controllo dell'intero stack.

Scegliere, considerando a cosa serve ciascuno

• Se stai costruendo un prodotto che parla — Eleven v4, su un'API, su un tariffario. Niente di Sesame Preview è integrabile, quindi non rientra in questa decisione.

• Se vuoi una demo conversazionale per mostrare a qualcuno che cosa si prova con l'IA vocale — Sesame Preview, ed è gratuita, il che è tutto l'argomento a suo favore.

• Se stai valutando la gamma emotiva prima di affidarti a un fornitore — i punteggi Elo di Eleven v4, 1.319 sulla classifica delle voci dei fornitori e 1.157 su quella delle voci clonate, sono i numeri da leggere, con l'avvertenza che il secondo è quello che descrive un prodotto con voce di marca clonata.

• Se ti serve parlato in lingue diverse dall’inglese — Eleven v4 ne documenta oltre 90; Sesame Preview è solo in inglese e lo dichiara.

• Se hai bisogno che il modello faccia effettivamente qualcosa — in questo confronto, nessuno dei due. Sesame Preview deliberatamente non esegue attività, e Eleven v4 è un motore di sintesi che necessita del tuo stack attorno a sé.

• Se hai bisogno di eseguirlo localmente — nessuno dei due. Breeze TTS 2 è il punto di riferimento open-weights.

• Se il costo è il fattore decisivo — Eleven v4 costa $0,022 per mille caratteri fino al 12 ottobre e $0,08 dopo, e Sesame Preview è gratuito perché non è un prodotto che si può acquistare. Una demo gratuita non è un'opzione più economica; è una categoria diversa.

L'unica cosa che entrambi condividono è un problema di date. Il prezzo promozionale di Eleven v4 scade il 12 ottobre, il che ne modifica il costo di quasi quattro volte. Sesame non ha indicato alcuna data per il modello di produzione, che è un tipo diverso di incertezza: la Preview potrebbe essere superata il mese prossimo oppure restare invariata per un anno, e non c'è modo di pianificare in base a un lancio che nessuno ha programmato.

Se il tuo stack finisce per comprendere più di un fornitore di voce

OrcaRouter non ospita né ElevenLabs né Sesame, quindi non c'è nulla in questo articolo da chiamare tramite noi e non lasceremo intendere il contrario. Quello che invece copriamo è lo strato al di sopra di uno stack già multi-vendor. Una sola chiave API raggiunge oltre 200 modelli con i prezzi di listino dei provider passati attraverso a un markup dello 0%, quindi un cambiamento di prezzo a monte — la finestra promozionale di questo lancio ne è un esempio concreto — arriva dalla nostra parte lo stesso giorno anziché alla fattura successiva. Dove il percorso vocale è rivolto al cliente, il failover automatico sposta il traffico verso un upstream sano quando uno si degrada, ed è così che puoi testare un nuovo endpoint su traffico reale senza puntare una release su di esso.

Cosa portare via

Eleven v4 è un modello che puoi acquistare, misurare e su cui puoi fare affidamento, e attualmente è in cima alla classifica delle voci dei fornitori con una riduzione del prezzo di due settimane. Sesame Preview è un esperimento gratuito sulla sensazione conversazionale, solo in inglese, con un limite di trenta minuti, e non è una base su cui costruire. Il motivo per cui compaiono negli stessi risultati di ricerca è che entrambi sono AI vocali ed entrambi sono nuovi — non che l'uno sia un'alternativa all'altro.

Se sei arrivato qui per scegliere tra loro, la riformulazione utile è questa: non stai scegliendo un modello vocale. Stai decidendo se stai distribuendo un prodotto o provando una demo, e solo una di queste decisioni ha un tariffario allegato. Se è il prodotto, leggi i numeri di Eleven v4 e rileggili il 13 ottobre, quando scadrà la tariffa promozionale e cambierà il confronto con ogni altro fornitore sul mercato.