Eleven v4 против остальных продуктов ElevenLabs: стоит ли переходить с Eleven v3?

Если вы уже используете ElevenLabs Eleven v3, то ответ — да для всего, что слышит слушатель, и нет для двух вещей, которые ElevenLabs оставила без изменений. ElevenLabs Eleven v4 набирает на 150 баллов Elo больше, чем его собственный предшественник, в Provider Voice Arena от Artificial Analysis — 1,319 против 1,169 — и на 84 балла больше в таблице Controlled Voice, где для всех используются одни и те же восемь клонированных голосов. Он также имеет вдвое больший лимит символов, чем у v3, и примерно вдвое больший языковой охват. Что он не меняет — это ваш контракт, ваши клоны голоса или структуру тарифных уровней, по которой вам выставляют счёт; именно поэтому эта миграция дешевле большинства и всё же стоит того, чтобы проводить её поэтапно, а не за один раз.

Внутрисемейное табло

Это не сравнение вендоров между собой, поэтому нормализация цен на табло арены работает иначе, чем обычно: обе модели тарифицируются посимвольно по одной и той же тарифной сетке и с одного и того же аккаунта. Сильные и слабые стороны ниже оцениваются в сравнении с моделями-собратьями, а не с конкурентами.

• Provider Voice Arena — ElevenLabs Eleven v4 на 1-м месте с Elo 1 319 против ElevenLabs Eleven v3 на 18-м месте с Elo 1 169. Разрыв в 150 пунктов.

• Controlled Voice Arena, сопоставленные клонированные голоса — Eleven v4, ранг 2, Elo 1,157 против Eleven v3, ранг 7, Elo 1,073. Разрыв в 84 пункта.

• Нормализация цен в Arena — Eleven v4: $80.00 за миллион символов против Eleven v3 — $100.00. Новый флагман — более дешёвый из двух на табло.

• Тарифная сетка поставщика — Eleven v4: $0,022 за тысячу символов по акции, $0,08 после 12 октября; Eleven v3: $0,08. По прайс-листу они одинаковые, а в течение акционного периода — половинная цена.

• Ограничение ввода на запрос — Eleven v4 10 000 символов против Eleven v3 5 000. Ровно вдвое.

• Языковой охват — Eleven v4 90+ против Eleven v3 70+.

• Директивы подачи — Eleven v4 документирует встроенные аудиотеги и ввод фонем IPA; Eleven v3 не документирует ни того, ни другого на странице своей модели.

• Задержка, заявленная производителем — Eleven v3 Conversational около 280 мс; Eleven v4 Turbo — около 150 мс медианного времени до первого звука. Разные уровни, разные тесты.

• Голосовые клоны — без изменений. Существующие мгновенные и профессиональные клоны переносятся.

• Тарифные планы — без изменений. Free — 10 000 символов, Starter — $6, Creator — $22, Pro — $99, Scale — $299, Business — $990.

• Путь миграции — Eleven v4 и Eleven v4 Turbo уже доступны в API, а также в интерфейсах агента и креативных решений; старые идентификаторы Turbo объявлены устаревшими.

Перечитайте строку с ценой дважды. Необычный факт об этом запуске в том, что новая модель дешевле той, которую она заменяет, на той же плате, по прайс-листу, без применения промоакции — $80 за миллион против $100. Промо-тариф лишь расширяет этот разрыв, а не создаёт его. Миграция, которая повышает качество на 150 Elo и снижает стоимость за символ, — это не тот размен, на который большинство команд рассчитывает.

Чек-лист миграции, в порядке, который имеет значение

Сначала перенесите путь аудиокачества, потому что именно там кроется выигрыш и именно там регрессия станет очевидна вашим пользователям раньше, чем вам самим.

• Прослушивайте те голоса, которые вы действительно выпускаете. Provider Voice — это среднее по набору голосов арены; голоса вашего бренда в него не входят. Разрыв в 150 пунктов — это причина провести прослушивание, а не замена ему, а разрыв в 84 пункта в таблице клонированных голосов — более точная оценка того, каким будет на ощупь продукт на основе клонирования.

• Перепроверьте лимиты символов. Ограничение в 10 000 символов вдвое превышает лимит v3, поэтому скрипты, которые вы ранее разбивали, теперь могут уместиться в один запрос. Это меняет количество запросов, логику повторных попыток и качество стыков при склейке выходных данных — и это изменение с наибольшей вероятностью сломает код, который рассчитывал на лимит в 5 000 символов.

• Проверьте стык. В ElevenLabs отдельно указано, что в v4 сшивание запросов работает надёжнее. Если вы разбивали длинноформатный контент на части в v3, прогоните тот же контент через v4 одним вызовом и сравните, а не предполагайте, что разбиение всё ещё необходимо.

• Перепроверьте свои случаи произношения с новой поддержкой фонем. Лексиконы, созданные для v3, следует заново проверить, а не полагаться на них; улучшенная обработка IPA может означать, что ранее корректное переопределение теперь иначе взаимодействует с собственным предположением модели.

• Не трогайте свою библиотеку клонов. Клоны сохраняются; повторная загрузка не требуется, а повторное клонирование рискует привести к потере голоса, который узнают ваши пользователи.

• Пока что оставьте v3 Conversational там, где вы его используете. Это разговорный уровень, а не модель синтеза; в документации для него по-прежнему указано около 280 мс, и у него нет опубликованного аналога в v4. Если ваш агент зависит от него, v4 не является равноценной заменой для этого слота — v4 Turbo — это обозначение v4 с меньшей задержкой, и его уровень задержки указывается иначе.

Что на самом деле становится лучше, а что — нет

Улучшения сосредоточены в трёх местах. Эмоциональный диапазон и темп — это первое: именно это измеряет табло Provider Voice, и именно на это делает акцент и собственное объявление вендора, вместе с утверждением, что в слепых сравнениях v4 предпочитали примерно в трёх четвертях случаев. Считайте эту цифру заявленной вендором и невоспроизведённой; борды арены — независимая половина той же истории, и они согласуются по направлению.

Многоголосый диалог со стабильной идентификацией говорящего — это второй. Если вы выпускали на v3 контент с двумя участниками и тратили усилия на исправление перетекания голоса или дрейфа говорящего на протяжении длинного сценария, это та нагрузка, где улучшение носит структурный, а не косметический характер, и это улучшение показатель Elo отражает лишь частично.

Инлайн-директивы подачи — это третий способ: написать вздох или шёпот прямо в сценарии. В v3 это означало второй дубль, дополнительный промпт на предыдущем этапе или постобработку. В v4 Turbo это строка в тексте, который у вас уже есть.

Что не улучшается, так это та часть, которая, как часто предполагают команды, улучшается с новым флагманом: задержка. ElevenLabs не публикует показатель задержки для самого Eleven v4, только для v4 Turbo — примерно 100 мс медианного инференса и около 150 мс медианного времени до первого звука речи, измеренных в сентябре 2026 года. Для разговорного уровня Eleven v3 указывается около 280 мс, но это другой уровень, выполняющий другую задачу. Если ваша архитектура строится вокруг жёсткого бюджета задержки, честная позиция такова: кандидат — v4 Turbo, и вам следует измерить его самостоятельно, потому что названия уровней не соотносятся однозначно, а цифры поставщика не сопоставимы напрямую.

Двухнедельное окно — и что происходит после

Акционное ценообразование действует до 12 октября. До этого времени Eleven v4 стоит $0.022 за тысячу символов, а Eleven v4 Turbo — $0.011, тогда как заявленные прайсовые ставки составляют $0.08 и $0.04 соответственно. После окончания акции v4 возвращается ровно к сегодняшней стоимости v3 — $0.08, — а v4 Turbo — к половине ставки v3.

Расчётный месяц при пяти миллионах символов: v3 стоит $400. v4 в течение промо-периода стоит $110, а после него — снова $400. v4 Turbo стоит $55 в течение промо-периода и $200 после него. Так что интересная миграция, пожалуй, — это переход на Turbo: это единственный вариант в этой тарифной сетке, который остаётся дешевле v3 после окончания промоакции, и именно там есть поддержка аудиотегов, которой нет у v3.

Практичный шаг — сделать качественную работу сейчас, пока цена является бонусом, а решение о ценообразовании принимать по цифрам после 12 октября. Любое сравнение, где приводится $22 за миллион для Eleven v4 без указания срока, описывает тариф, срок действия которого истекает через две недели.

Поэтапное переключение без риска для релиза

OrcaRouter не размещает ElevenLabs, поэтому в этой миграции нет ничего, что мы могли бы перенести за вас — изменение происходит в вашем аккаунте ElevenLabs. А вот за что отвечаем мы — это слой вокруг стека, который не ограничивается одним поставщиком. Если ваш речевой тракт — одна из нескольких моделей за одним эндпоинтом, мы предоставляем более 200 моделей через единый ключ API, а цены провайдеров из прайс-листов передаются с наценкой 0%, а значит, изменение цен поставщиком — как в этом случае — оказывается на нашей стороне в тот же день, что и у них, без второго договора и без изменений интеграции.

Там, где голосовой канал обращён к клиенту и не может обрываться, автоматическое переключение при отказе направляет трафик в обход деградировавшего апстрима вместо сбоя вызова. Именно так и должна выглядеть подобная миграция: запустить v4 за тем же эндпоинтом, что и текущее решение, перевести часть трафика и позволить слою маршрутизации удерживать резервный маршрут, пока вы выясняете, проявятся ли 150 пунктов Elo в вашем собственном аудио.

Решение, в одном абзаце

Переходите, если слушатель слышит ваш аудиовыход, а вы всё ещё на v3 — разрыв в качестве — самый крупный скачок за одно поколение, который ElevenLabs публиковал на этих форумах, лимит символов удваивается, список языков удваивается, а цена по прайс-листу ниже. Выполняйте миграцию поэтапно, начните с голоса с наибольшим трафиком, а не с самого сложного скрипта, и планируйте бюджет по цифрам от 12 октября, а не по цифрам этой недели. Оставайтесь на v3 только если ваша интеграция не может принять другой лимит входных данных или если v3 Conversational несёт критическую нагрузку в агенте, а вы ещё не измерили v4 Turbo относительно собственного бюджета задержки. Это два случая, когда терпение обходится дешевле, чем поспешное переключение.