Eleven v4 против Gemini 3.1 Flash TTS: разрыв в 116 пунктов и более дешёвая модель Google

Сегодня, выбирая голос Google, вы наткнётесь не на тот. Google Gemini 3.1 Flash TTS указан на 11-м месте в Provider Voice Arena от Artificial Analysis с рейтингом Elo 1 203 по 3 512 выступлениям, по цене $18,31 за миллион символов. ElevenLabs Eleven v4, выпущенный 28 сентября 2026 года, занимает 1-е место с рейтингом Elo 1 319 по 1 674 выступлениям, по цене $80,00 за миллион. Это выглядит как разрыв в 116 пунктов против более дешёвого конкурента — пока вы не заметите, что собственный Gemini 3.8 Flash TTS от Google занимает третье место на той же доске с 1 267 и более низкой нормализованной ценой $16,49. Настоящее противостояние не то, которое подразумевает заголовок, и причина — дата выпуска.

Одно из них на восемнадцать месяцев новее, чем кажется.

У Gemini 3.1 Flash TTS на табло указана дата выпуска — 15 апреля 2026 года. У Eleven v4 указано 28 сентября 2026 года. Это пять с половиной месяцев — не целое поколение в синтезе речи, но достаточно долго, чтобы Google уже выпустила преемника: Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS обе стали общедоступными 23 сентября 2026 года, за пять дней до Eleven v4, и обе стоят выше 3.1 в том же рейтинге. Gemini 3.8 Flash-Lite TTS занимает шестое место с показателем 1 241 и ценой $11,03 за миллион.

Итак, честное сравнение включает три пункта, а не два, и самое интересное — это порядок по цене:

• 1-е место, ElevenLabs Eleven v4 — Elo 1 319, 80,00 долларов США за миллион символов, 1 674 появления, интервал ±19

• Место 3, Google Gemini 3.8 Flash TTS — Elo 1 267, $16,49 за миллион символов, выпущен 23 сентября 2026 г.

• 6-е место, Google Gemini 3.8 Flash-Lite TTS — Elo 1 241, 11,03 доллара США за миллион символов, выпущена 23 сентября 2026 года

• 11-е место, Google Gemini 3.1 Flash TTS — Elo 1 203, 18,31 доллара США за миллион символов, выпущен 15 апреля 2026 года, 3 512 появлений, интервал ±12

Обратите внимание, как интервалы влияют на этот порядок. Gemini 3.1 Flash TTS оценивает в 1 203 с интервалом ±12, так что его истинное значение находится где-то в районе 1 191–1 215. Eleven v4 оценивает в 1 319 с интервалом ±19 — примерно от 1 300 до 1 338. Эти два диапазона не соприкасаются, а разрыв между ними превышает сто пунктов. Чище табло предпочтений не бывает.

Почему количество выборок важнее рангов

У Gemini 3.1 Flash TTS за его оценкой стоит 3 512 появлений; у Eleven v4 — 1 674, потому что ему всего один день на этом табло. Оценка более новой модели несёт больше неопределённости на одну выборку, и интервал ±19 это отражает. Если вы из тех покупателей, кто ждёт, пока число устаканится, эмпирическое правило таково: порядок выше ширины интервала — это то, на что можно опираться. Здесь рейтинг с запасом выдерживает свои планки погрешностей в обоих направлениях — впереди 3.8 Flash TTS и не отстаёт ни от кого в этом сравнении.

Арена также учитывает голоса арены: восемь для Eleven v4, семь для Gemini 3.1 Flash TTS. Это число различных голосов вендоров, использованных в слепых тестах, и это приблизительный показатель того, сколько голосов по умолчанию предлагает вендор. 1-е место Eleven v4 было получено с восемью голосами, а значит, эта победа — не заслуга одного удачливого диктора.

Различия в возможностях, которые Elo не оценивает

Рейтинговые таблицы измеряют предпочтения, а не охват функций. Для реальных проектов решающими оказываются четыре различия, и ни одно из них не отображается в Elo.

• Указания в сценарии — Eleven v4 документирует встроенные аудиотеги ([laughs], [whispers], [said angrily in French accent]) и подсказки для подачи на естественном языке; поколение 3.1 от Google документирует выбор голоса и промптинг, но не эквивалентный синтаксис тегов для указаний по исполнению.

• Создание голоса — поколение Gemini 3.8 добавило проектирование голоса по письменному описанию и репликацию голоса по 30-секундному образцу с водяными знаками и метаданными о происхождении на выходе. Gemini 3.1 Flash TTS появилась раньше и поставляется с предустановленным набором голосов.

• Клонирование по реальному аудио — Instant Voice Cloning от Eleven v4 работает на десяти секундах аудио, а выше него есть профессиональный уровень. Путь репликации Google в поколении 3.8 требует 30 секунд и добавляет проверку согласия. Разные планки, разные механизмы согласия.

• Ограничение ввода на запрос — в документации Eleven v4 указано 10 000 символов. Google тарифицирует свои TTS-модели по токенам, а не по символам, поэтому не существует сопоставимого ограничения на количество символов на запрос, которое можно было бы сравнить, и эти две метрики не следует ставить рядом так, будто они сопоставимы.

Именно на этом последнем пункте спотыкаются таблицы закупок. ElevenLabs указывает цену за 1000 символов. Google указывает цену за миллион токенов, на входе и выходе. Artificial Analysis приводит оба показателя к оси «за миллион символов» — именно отсюда берутся $80.00 и $18.31 — но это пересчёт в рейтинге, а не счёт любого из поставщиков. Используйте его для ранжирования, а не для прогнозирования.

Что тарифная карта Eleven v4 делает с этим сравнением

В течение двух недель приведённое выше сравнение цен неверно в пользу ElevenLabs, а затем — против неё. На странице тарифов API ElevenLabs для Eleven v4 указана цена $0,022 за 1 000 символов против заявленной прейскурантной цены $0,08 с пометкой о скидке 72% до 12 октября. Для Eleven v4 Turbo указана цена $0,011 против $0,04. После 12 октября промо-цена исчезает, и указанная на тарифной панели цифра $80,00 за миллион становится тарифом, который вы фактически платите.

Посчитайте на примере месяца с пятью миллионами символов. Eleven v4 стоит $110 в течение периода акции и $400 после его окончания. Gemini 3.1 Flash TTS при нормализации $18,31 на табло обходится примерно в $92 за тот же месяц — дешевле, чем по акции, и примерно в четыре раза дешевле, чем по прайс-листу. Команда, которая проводит бенчмарки в сентябре, а выпускает продукт в ноябре, примет решение, опираясь на цифру, которой больше не существует.

Где маршрутизация уместна, а где — нет

Ни одна из этих моделей не входит в каталог OrcaRouter. Здесь нет ни эндпоинта ElevenLabs, ни эндпоинта Google TTS, к которым можно было бы обратиться, и честный ответ на вопрос «как мне связаться с ними через вас» таков: никак — Eleven v4 доступна через собственный API ElevenLabs, а Gemini 3.1 Flash TTS — через API Google. Сказать что-либо иное означало бы выдумать интеграцию.

Польза единого ключа в таком сравнении — это возможность принять само решение. Если вы сравниваете эндпоинт за $400 в месяц с эндпоинтом за $92 в месяц, ответ зависит от ваших собственных скриптов, ваших языков и ваших слушателей — а чтобы получить этот ответ, нужно вызывать оба из одного и того же пути кода с одинаковой структурой запроса, а не разворачивать две интеграции с поставщиками, чтобы провести один тест. OrcaRouter закрывает этот слой: более 200 моделей за одним ключом, а цены из прайс-листов провайдеров передаются как есть — 0% наценки, поэтому изменение цены у поставщика отражается в день вступления в силу, плюс автоматическое переключение при сбое если один из вышестоящих сервисов деградирует в середине оценки.

Кто должен выбирать

Выбирайте Eleven v4, когда голос — это продукт. Он возглавляет рейтинг с отрывом в 116 баллов и более чистым интервалом, чем модель под ним, это единственная из двух с документированным синтаксисом встроенных тегов для управления исполнением, а его порог клонирования — десять секунд, а не тридцать. Надбавка реальна — в четыре раза больше нормализованной цены по прайс-листу — и она покупает первое место в рейтинге.

Выбирайте Gemini 3.1 Flash TTS, только если вы уже твёрдо решили его использовать. Это пятимесячная модель поколения preview с более низким баллом и более высокой нормализованной ценой, чем у собственного сентябрьского релиза Google, и единственная причина её сохранять — инерция в существующей интеграции. Если у вас есть эта инерция, переход внутри стека Google на 3.8 Flash TTS даёт 64 балла Elo и более низкую нормализованную цену без смены вендора — что является редким случаем, когда обновление также оказывается более дешёвым вариантом.

Для всех остальных актуальный вопрос — это Eleven v4 против Gemini 3.8 Flash TTS, и ответ здесь — настоящий компромисс, а не рейтинг: 52 балла Elo и синтаксис тегов против примерно одной пятой стоимости за символ. Прогоните оба на одних и тех же сценариях после 12 октября, когда промоакция ElevenLabs закончится и разрыв в цене станет тем, который вы действительно будете платить.