AssemblyAI-TTS-1 vs ElevenLabs Eleven v4: wat 5,3× goedkoper oplevert, en wat het kost

AssemblyAI-TTS-1 kost $15 per miljoen tekens. ElevenLabs Eleven v4 kost $80. Dat verhoudingsgetal — 5,3× — is het getal waarmee elke kop over deze vergelijking begint, en het is het minst bruikbare getal in het hele verhaal, omdat het model dat je daadwerkelijk achter een telefonieagent zou zetten niet Eleven v4 is. Het is Eleven v4 Turbo, voor $40 per miljoen tekens, of Flash v2.5, ook $40. Daarmee is de korting 2,7×, en ten opzichte van Flash v2.5 — de low-latencyvariant die ElevenLabs precies voor deze taak verkoopt — bindt AssemblyAI-TTS-1 het niet eens aan met een legacy-speler. Beide kwamen in de laatste vijf weken op de markt. Beide zijn voor dezelfde klant gebouwd. Een van de twee betaalt voor een kwaliteitsplafond waarmee de andere bewust niet concurreert.

De prijstabel doet meer werk dan de benchmarktabel.

AssemblyAI-TTS-1 werd op 27 oktober 2026 algemeen beschikbaar, en de evaluatienummers werden een dag later gepubliceerd. De tariefkaart is ongewoon vlak: $ 15 per miljoen invoertekens, inclusief spaties en leestekens, en dat ene tarief dekt elke stem in de bibliotheek van meer dan 4.000 stemmen, elke taal bij de lancering, directe stemkloning, woordtijdstempels en verwerking in de VS of de EU. Er zijn geen kosten per stem, geen tariefniveaus voor gelijktijdigheid en geen jaarcontract, en de leverancier zegt dat de prijs per teken hetzelfde is of je nu tien of tienduizend gelijktijdige oproepen uitvoert.

De tariefkaart van ElevenLabs is per model in staffels ingedeeld. Eleven v4, aangekondigd op 28 september 2026, heeft een lijstprijs van $0,08 per duizend tekens — $80 per miljoen. Eleven v4 Turbo en Flash v2.5 hebben beide een lijstprijs van $0,04 per duizend tekens, of $40 per miljoen. Een lanceeractie verlaagde de prijs van v4 met 72% tot 12 oktober 2026; dat venster is inmiddels gesloten, dus de $80 is nu het bedrag dat je daadwerkelijk in rekening wordt gebracht.

Vertaal beide naar de eenheid waarmee een team voor spraakagenten budgetteert. Bij een normaal spreektempo van ongeveer 150 woorden per minuut en ruwweg zes tekens per woord inclusief spaties is een minuut voltooide spraak ongeveer 900 tekens. Dat is een schatting, geen cijfer van een leverancier, maar het is nauwkeurig genoeg om de vorm van de rekening te zien:

• Eén uur doorlopende spraak — ongeveer 54.000 tekens — kost ongeveer $0,81 op AssemblyAI-TTS-1, $4,32 op Eleven v4 en $2,16 op Eleven v4 Turbo.

• Honderdduizend drieminutengesprekken — 300.000 minuten, ongeveer 270 miljoen tekens — kosten ongeveer $4.050 op AssemblyAI-TTS-1, $21.600 op Eleven v4 en $10.800 op Eleven v4 Turbo.

• Het verschil tussen AssemblyAI-TTS-1 en Eleven v4 Turbo bij die werklast is $6,750 per maand bij een identiek gespreksvolume. Vergeleken met Eleven v4 is dat $17,550.

Dat is de echte beslissing, en het is een saaie beslissing: je kiest of een kwaliteitsverschil $6.750 per maand waard is bij honderdduizend calls. Alles andere in deze vergelijking draait erom hoe groot dat verschil eigenlijk is.

Wat je krijgt voor de extra $65 per miljoen tekens

Op het blindluisterpanel levert het een meetbare winst op. In de Provider Voice Arena van Artificial Analysis, uitgelezen op 30 oktober 2026, staat Eleven v4 Turbo eerste met 1.336 Elo en Eleven v4 tweede met 1.334, tegenover AssemblyAI-TTS-1 met 1.227 op de veertiende plaats. Een verschil van 107 punten op die schaal is geen ruis — de intervallen overlappen niet. Op de Controlled Voice Arena, waar de referentieopname constant wordt gehouden zodat de vergelijking over kloongetrouwheid gaat en niet over standaardstemmen, staat AssemblyAI-TTS-1 op de tiende plaats met 1.110.

De rest van de kloof bestaat uit inventaris en bedieningsoppervlak, en die is groter dan het Elo-verschil suggereert:

• Talen — AssemblyAI-TTS-1 werd gelanceerd met zes talen: Engels, Spaans, Frans, Duits, Italiaans en Portugees, elk met meerdere accenten. Eleven v4 ondersteunt meer dan 90 talen met accenten van moedertaalsprekers, in plaats van een Engelssprekende die buitenlandse woorden voorleest.

• Stemmenbibliotheek — meer dan 4.000 bij AssemblyAI-TTS-1 tegenover de meer dan 17.500 die voor Eleven v4 worden geadverteerd.

• Cloning — instant cloning alleen op AssemblyAI-TTS-1, op basis van een sample dat de leverancier bij 24 seconden demonstreert. Eleven v4 combineert instant cloning vanaf slechts tien seconden met Professional Voice Cloning, dat in v4 terugkeerde nadat het in v3 ontbrak. Bestaande professionele clones moeten mogelijk specifiek voor v4 opnieuw worden getraind.

• Besturingselementen — AssemblyAI-TTS-1 wordt geleverd zonder SSML, zonder snelheidsparameter, zonder uitspraakwoordenboek en zonder emotietags. In het lanceerbericht staat uitdrukkelijk dat interpunctie en geschreven disfluenties worden gelezen zoals ze geschreven zijn en dat pauzes via prompting worden geïnduceerd, niet via markup. Eleven v4 wordt geleverd met stapelbare inline audiotags — [laughs], [whispers] — en een limiet van 10.000 tekens per aanvraag.

• Uitvoer en infrastructuur — AssemblyAI-TTS-1 streamt via WebSocket en HTTP, biedt een OpenAI-compatibel endpoint, levert woordtijdstempels, ondersteunt een annuleringsbericht voor barge-in en publiceert referentieagents voor LiveKit en Pipecat. Eleven v4 wordt verkocht via ElevenAPI, ElevenAgents en ElevenCreative onder de model-ID's eleven_v4 en eleven_v4_turbo.

Lees die lijst als een productstatement, niet als een scorebord. AssemblyAI bouwde een TTS-endpoint voor één taak — een beurt dialoog snel, correct en tegen een vaste prijs naar een telefoonlijn lezen — en liet de studiocontroles bewust weg. ElevenLabs bouwde verder aan een spraakplatform. Als je product dubbing, voice-over of een merkstem is die getraind en beheerd moet worden, dan komt het endpoint met zes talen niet in aanmerking, ongeacht de prijs.

De latencycijfers verschillen met een factor drie van elkaar, en beide zijn eerlijk

Dit is het deel van de vergelijking dat de meeste berichtgeving in beide richtingen verkeerd weergeeft. AssemblyAI's lanceringsbericht noemt 90 ms tot eerste audio in productie en een mediane tijd tot eerste byte van 47 ms in zijn eigen labtest, beschreven als het snelste van zes modellen. In zijn zelfgerapporteerde head-to-head-tabel staan ElevenLabs Flash v2.5 op 119 ms, Cartesia Sonic 3.6 op 143 ms, Inworld TTS-2 Flash op 244 ms, Inworld TTS-2 op 280 ms en ElevenLabs v4 op 612 ms. De eigen documentatie van ElevenLabs stelt ongeveer 150 ms mediane tijd tot eerste spraak en circa 100 ms mediane inferentielatentie voor Turbo.

Dan heeft Cekura, een onafhankelijk testbedrijf, AssemblyAI-TTS-1 gemeten op 159 ms mediane streaminglatentie, de achtste van de negentien modellen die het heeft getimed, met een mediaan van 171 ms wanneer de volledige tekst wordt verzonden en 296 ms op p90. Dat is geen contradictie met de 47 ms van de leverancier. Het is een andere stopwatch: AssemblyAI meet van aanvraag tot eerste byte, Cekura meet van het laatst verzonden woord tot de eerste audio-uitvoer. Een spraakagent die een gespreksturn onderhandelt, vindt de tweede meting belangrijker, omdat de LLM eerst de zin moet afmaken.

De eerlijke lezing is dus dat AssemblyAI-TTS-1 volgens de eigen methodologie van de leverancier het snelste item in de vergelijking is en ElevenLabs v4 met ruime afstand de langzaamste, terwijl AssemblyAI-TTS-1 op een onafhankelijke, op agents gerichte methodologie in de middenmoot uitkomt en zowel zijn claims als die van ElevenLabs voor jouw telefoniepad als onverifieerd moeten worden behandeld. De enige latentievergelijking die de toets der kritiek doorstaat, is die met Flash v2.5, de ElevenLabs-SKU die bestaat om dit argument te winnen en die derde partijen in productie op ongeveer 185 tot 197 ms hebben gemeten. AssemblyAI-TTS-1 op 159 ms is sneller dan dat, bij een 2,7× lagere prijs. Het is het enige punt in deze vergelijking waar goedkoper en sneller hetzelfde antwoord zijn.

Waar AssemblyAI-TTS-1 als eerste faalt

Niet op snelheid en niet op prijs. Op de lange staart van wat een echte persoon aan de lijn zegt.

De resultaten per categorie van Cekura plaatsen AssemblyAI-TTS-1 op de eerste plaats voor telefoonnummers en codes met 91,7%, op de vierde plaats voor natuurlijkheid met 4,50 en op de tweeëntwintigste plaats van de zevenentwintig voor contextuele uitspraak met 70,8%. Artificial Analysis scoort het eveneens in totaal 81,7% op robuustheid van de uitspraak — zestiende van de modellen die het beoordeelde — met de zwakste subscore voor het uitbreiden van afkortingen met 73,8%. Het leaderboard van Coval plaatst het woordfoutpercentage daarvan op 1,7%, drie tiende punt achter de koploper en beter dan Eleven v4 Turbo en Cartesia Sonic 3.6 met 1,8% en Deepgram Aura-2 met 1,9%.

Leg die naast elkaar en er blijkt een specifieke faalmodus: dit model is zeer goed in het voorlezen van een getal en merkbaar zwakker in het bepalen hoe een afkorting, een adres of een accountcode moet worden uitgesproken. Dat is precies de soort fout die een uitspraakwoordenboek oplost, en AssemblyAI-TTS-1 levert er nog geen. Als je agent order-ID's voorleest, koop je een model waarvan de beste eigenschap dat afdekt en waarvan de slechtste eigenschap precies datgene is waarvoor je niets kunt configureren.

ElevenLabs' antwoord op hetzelfde probleem is niet betere scores, maar fijnmazigere controle: woordenboeken, tags, snelheid en een professionele kloon die op je eigen referentie is getraind. Je betaalt $65 meer per miljoen tekens voor de mogelijkheid om de staart zelf te repareren.

De andere helft van de agent staat nog op een andere factuur.

Een TTS-model draait nooit alleen in een spraakagent. Het draait achter een taalmodel dat de zin schrijft, en in de meeste stacks is dat taalmodel de grotere kostenpost en degene met de meest volatiele leveranciersrelatie. Dat is de laag die OrcaRouter afdekt: één API voor meer dan 200 modellen tegen de lijstprijs van de provider met 0% opslag, automatische failover wanneer een provider degradeert, een routing-DSL om modellen samen te stellen tot één aanroep, en modelfusie wanneer één antwoord niet goed genoeg is.

Twee eerlijke kanttekeningen. Ten eerste staat AssemblyAI-TTS-1 vandaag niet in de catalogus van OrcaRouter — de spraakroutes die wij aanbieden zijn OpenAI's tts-1, tts-1-hd en gpt-4o-mini-tts en Google's Gemini TTS-previews — dus dit is geen verkoopgesprek om het model hier te kopen. Ten tweede, en nuttiger: omdat de markup nul is en de lijstprijzen van providers worden doorberekend, verschijnt een prijsverlaging van een leverancier op welk TTS-model je ook routeert dezelfde dag op je factuur, wat het mechanisme is dat de herschikking van de $80- naar de $40-tier hierboven het bekijken waard maakt, en niet alleen het lezen erover.

Wat te doen op maandag

Drie vragen beslissen dit sneller dan welke benchmark dan ook.

Moet je agent een taal spreken buiten de zes waarmee AssemblyAI-TTS-1 is gelanceerd? Dan is de vergelijking afgelopen, en dan gaat het om dekking, niet om kwaliteit. Wacht tot de taallijst groter wordt of betaal ElevenLabs.

Leest uw agent identificatoren, codes of adressen aan een klant voor? Test AssemblyAI-TTS-1 dan op uw eigen strings voordat u er definitief voor kiest, want de onafhankelijke uitspraakcijfers zijn het zwakste deel van zijn trackrecord en de configuratie-uitweg bestaat nog niet. De 93,7% entiteitsaccuracy van de leverancier op zijn eigen set van 580 items — tegen 93,6% voor Eleven v4 en 68,0% voor Flash v2.5, door de leverancier gemeld en niet gereproduceerd — zegt het tegenovergestelde van wat Cekura's contextuele score zegt. Een van die twee meet uw werkbelasting, en u weet niet welke.

Is de stem van jou, getraind en beheerd? Dan ElevenLabs, zonder veel discussie. Direct klonen vanaf 24 seconden levert een bruikbare stem-ID op; het levert geen merkasset op die je kunt verdedigen.

Als de antwoorden zes talen, nee en nee zijn — een telefoonagent op schaal die gewone gespreksbeurten leest — dan is AssemblyAI-TTS-1 voor $15 met onbeperkte gelijktijdige verwerking en geen kosten voor gelijktijdigheid de goedkopere en, volgens de onafhankelijke latentiemeting, snellere optie, en de kwaliteitskloof is 107 Elo aan blinde voorkeur die je niet $6.750 per maand betaalt om te dichten. Zet het achter een failoverroute, test het een maand lang tegen je eigen gespreksopnamen, en houd Flash v2.5 aangesloten als fallback voor de dag dat de staart van je corpus vol afkortingen blijkt te staan.

Dat is de hele vergelijking. De ene leverancier verkoopt een plafond en de andere een vloer, beide overeenkomstig geprijsd, en de enige dure fout die je hier kunt maken, is het plafond kopen voor een workload die het nooit bereikt.