Eleven v4 против Sesame Preview: это не то сравнение, о котором вы подумали

Поиск ElevenLabs Eleven v4 в сравнении с Sesame Preview выдаёт множество страниц, которые с радостью поместят их в таблицу. Почти все они сравнивают продукт с бенчмарком, а не с демо, и таблица — самое бесполезное на странице. Eleven v4 — это общедоступная модель синтеза речи с API, тарифной сеткой и опубликованным рейтингом в арене. Sesame Preview — бесплатный потребительский голосовой ассистент, который отвечает, когда вы нажимаете на ссылку. Это не два варианта для одной и той же покупки, и честная версия этой статьи — о том, какой из них вам действительно нужен, потому что ответ зависит от вопроса, которого не задаёт маркетинговая страница ни одного из вендоров.

Что на самом деле представляет собой Eleven v4

ElevenLabs выпустила Eleven v4 и Eleven v4 Turbo 28 сентября в качестве продакшен-эндпоинтов. Eleven v4 поддерживает более 90 языков, ограничение в 10 000 символов на запрос, многоспикерный диалог со стабильной идентичностью говорящего, встроенные директивы подачи, улучшенную поддержку IPA-фонем и мгновенное клонирование голоса по десяти секундам аудио. Модель занимает первое место в Provider Voice Arena от Artificial Analysis с Elo 1 319 при 1 674 образцах, лежащих в основе оценки, и второе место в таблице Controlled Voice с 1 157. В тарифной сетке API она указана по цене $0,022 за тысячу символов в рамках промоакции, которая заканчивается 12 октября, после чего возвращается к $0,08 — той же ставке, что действовала для предыдущей ElevenLabs Eleven v3.

Каждая часть этого абзаца поддаётся проверке. Есть идентификатор модели, документированное ограничение на ввод, опубликованная цена за символ, примечание об устаревании для старых уровней Turbo и независимая запись в таблице лидеров с доверительным интервалом. Так выглядит модель, когда её можно купить.

Что на самом деле представляет собой Sesame Preview

Sesame Preview — это потребительская демонстрация. Это голосовой ассистент, доступный через собственный сайт компании, с небольшим составом именованных персонажей — Майя, Майлз, Симона и Чарли — разговорной памятью, сохраняющейся между сессиями, веб-поиском, заметками и напоминаниями, а также итоговой сводкой после разговора. Он бесплатный. Сессии с входом в аккаунт длятся около получаса; гостевые сессии — около пяти минут. Он поддерживает только английский. И Sesame прямо заявляет, что не выполняет задачи: смысл демо — в разговорной фактуре, а не в агенте, который бронирует вашу встречу.

Для этого сравнения важно то, чего не хватает. Нет ни идентификатора модели, ни эндпоинта, ни тарифной сетки, ни ограничения на входные данные, под которое можно было бы проектировать, ни объявленной даты выпуска продакшн-модели. Опубликованное исследовательское направление Sesame — это отдельная вещь: разговорная речевая модель с открытыми весами и контекстом 4K, — и это не та же система, с которой вы общаетесь в Preview. Так что то, что называется «Sesame Preview» в каждой сравнительной таблице, — это продукт, с которым нельзя интегрироваться, а то, что можно скачать, — не этот продукт.

Почему они не могут использовать общее табло?

Арена контролируемого голоса на Artificial Analysis — это самое близкое к нейтральному измерению, что есть в этой области, но Sesame Preview на ней отсутствует. Его также нет на доске провайдерских голосов. Там нет ни Elo, ни подсчёта голосов, ни нормализации цен — и нет способа получить что-либо из этого, потому что для таблицы лидеров нужен вызываемый эндпоинт и цена за единицу, а у Sesame Preview нет ни того, ни другого.

Итак, любая таблица, ставящая эти два варианта рядом, заполняет столбец Sesame данными из продуктового тура. Сравнивать endpoint за $80 за миллион символов с бесплатным веб-демо по «естественности» — это не сравнение; это категориальная ошибка с дырой в форме Elo. Если страница объявляет победителя в таком противостоянии, она выдумала основание для этого утверждения.

Что можно честно сказать — так это то, чем каждый из них пытается быть. Eleven v4 оптимизирован, чтобы превращать сценарий в исполнение — в масштабе, через API, с одним и тем же голосом каждый раз. Sesame Preview оптимизирован, чтобы незнакомец почувствовал, будто говорит с кем-то, один раз, во вкладке браузера.

Единственное место, где сравнение реально

Под этим поиском кроется настоящий вопрос, и он касается открытых весов. Если вам действительно нужна речевая модель, которую можно скачать и запустить самостоятельно, то ни флагман ни одного из вендоров не является ответом — стек ElevenLabs закрыт, а система Sesame, которую можно запустить, — это исследовательская модель с контекстом 4K, а не ассистент.

Для этой задачи полезный ориентир — турнирные таблицы: Breeze TTS 2 — участник с открытыми весами с самым высоким рейтингом в Provider Voice, с Elo 1 206 и $34.00 за миллион символов, при 16 моделях с открытыми весами среди 92 участников этой таблицы. Это на 113 пунктов позади Eleven v4 и намного впереди линейки Qwen3 TTS с показателями 944 и 930. Если вашему проекту нужно работать на собственном оборудовании, стоящее сравнение — Eleven v4 против Breeze TTS 2, а не против браузерной демонстрации, — и компромисс здесь реальный: вы отказываетесь примерно от сотни пунктов Elo и рабочего процесса с аудиотегами, но получаете контроль над всем стеком.

Выбор, учитывая, для чего предназначен каждый

• Если вы создаёте продукт, который умеет говорить — Eleven v4, через API, по тарифной сетке. В Sesame Preview нет ничего, что можно было бы интегрировать, поэтому он не участвует в этом решении.

• Если вам нужно разговорное демо, чтобы показать кому-то, как ощущается голосовой ИИ, — {{1}}Sesame Preview{{/1}}, и оно бесплатное — в этом весь аргумент.

• Если вы оцениваете эмоциональный диапазон, прежде чем остановиться на вендоре, смотрите на Elo 1 319 у Eleven v4 в рейтинге голосов вендоров и 1 157 в рейтинге клонированных голосов — с оговоркой, что второй показатель описывает продукт с клонированным голосом бренда.

• Если вам нужна речь на языках, помимо английского, — Eleven v4 поддерживает более 90 языков; Sesame Preview работает только на английском, и это указано.

• Если вам нужно, чтобы модель действительно что-то делала, — в этом сравнении ни та, ни другая. Sesame Preview намеренно не выполняет задачи, а Eleven v4 — это движок синтеза, которому нужен ваш собственный стек вокруг него.

• Если вам нужно запускать это локально — ни то, ни другое. Breeze TTS 2 — эталон с открытыми весами.

• Если решающим фактором является стоимость — Eleven v4 стоит $0,022 за тысячу символов до 12 октября и $0,08 после, а Sesame Preview бесплатен, потому что это не продукт, который можно купить. Бесплатная демоверсия — не более дешёвый вариант; это другая категория.

Единственное, что их объединяет, — это проблема с датой. Промо-цена Eleven v4 истекает 12 октября, из-за чего её стоимость меняется почти в четыре раза. Sesame вообще не назвала дату для продакшен-модели, а это неопределённость иного рода — Preview может смениться уже в следующем месяце или оставаться без изменений целый год, и нет никакой возможности планировать вокруг запуска, который никто не назначил.

Если ваш стек в итоге охватывает более одного поставщика голосовых решений

OrcaRouter не размещает ни ElevenLabs, ни Sesame, поэтому в этой статье нет ничего, что можно было бы вызвать через нас, и мы не будем намекать на обратное. Мы говорим о слое над стеком, который и так уже мультивендорный. Один API-ключ открывает доступ к более чем 200 моделям, а прайс-листовые цены провайдеров передаются без наценки — 0%, поэтому изменение цены у апстрима — а рекламное окно этого запуска как раз живой тому пример — отражается на нашей стороне в тот же день, а не в следующем счёте. Там, где речевой канал обращён к клиенту, автоматическое переключение при сбое перенаправляет трафик на исправный апстрим, когда один из них деградирует, и именно так можно протестировать новую конечную точку на реальном трафике, не ставя на карту весь релиз.

Что запомнить

Eleven v4 — это модель, которую можно купить, измерить и на которую можно положиться, и сейчас она занимает верхнюю строчку в таблице голосовых решений поставщиков благодаря двухнедельному снижению цены. Sesame Preview — бесплатный эксперимент с ощущением живого разговора, только на английском, ограничен тридцатью минутами, и на нём нельзя строить. Причина, по которой они появляются в одних и тех же результатах поиска, в том, что оба являются голосовым ИИ и оба новые, — а не в том, что один из них альтернатива другому.

Если вы пришли сюда, чтобы выбрать между ними, полезнее взглянуть на это так: вы выбираете не голосовую модель. Вы решаете, выпускаете ли вы продукт или пробуете демо, и только с одним из этих решений связана тарифная сетка. Если речь о продукте, изучите цифры Eleven v4 и перечитайте их 13 октября, когда истечёт промо-тариф и изменится сравнение со всеми остальными поставщиками на рынке.