Eleven v4 เทียบกับส่วนที่เหลือของ ElevenLabs: คุณควรย้ายจาก Eleven v3 หรือไม่?

หากคุณใช้ ElevenLabs Eleven v3อยู่แล้ว คำตอบคือใช่สำหรับทุกสิ่งที่ผู้ฟังได้ยิน และไม่ใช่สำหรับสองสิ่งที่ ElevenLabs ยังคงไม่เปลี่ยนแปลง ElevenLabs Eleven v4ได้คะแนน Elo เพิ่มขึ้น 150 คะแนนจากรุ่นก่อนหน้าของตัวเองบน Provider Voice Arena ของ Artificial Analysis — 1,319 เทียบกับ 1,169 — และ 84 คะแนนบนบอร์ด Controlled Voice ซึ่งใช้เสียงโคลนแปดเสียงเดียวกันกับทุกคน นอกจากนี้ยังรองรับจำนวนอักขระเป็นสองเท่าของ v3 และความครอบคลุมภาษาประมาณสองเท่า สิ่งที่มันไม่เปลี่ยนแปลงคือสัญญาของคุณ เสียงโคลนของคุณ หรือโครงสร้างระดับชั้นที่คุณถูกเรียกเก็บเงิน ซึ่งเป็นเหตุผลว่าการย้ายระบบครั้งนี้จึงถูกกว่าที่อื่นส่วนใหญ่ และยังคงคุ้มค่าที่จะทำแบบเป็นขั้นตอนมากกว่าทำทั้งหมดในครั้งเดียว

ตารางคะแนนภายในครอบครัว

นี่ไม่ใช่การเปรียบเทียบแบบผู้ขายกับผู้ขาย ดังนั้นการปรับมาตรฐานราคาบนกระดานของอารีนาจึงทำงานต่างจากปกติ: ทั้งสองโมเดลคิดค่าบริการตามจำนวนตัวอักษร โดยใช้อัตราค่าบริการเดียวกัน จากบัญชีเดียวกัน จุดแข็งและจุดอ่อนด้านล่างนี้วัดเทียบกับโมเดลพี่น้อง ไม่ใช่คู่แข่ง

• Provider Voice Arena — ElevenLabs Eleven v4 อันดับ 1, Elo 1,319 เทียบกับ ElevenLabs Eleven v3 อันดับ 18, Elo 1,169 ห่างกัน 150 คะแนน

• Voice Arena แบบควบคุม, เสียงโคลนที่จับคู่กัน — Eleven v4 อันดับ 2, Elo 1,157 เทียบกับ Eleven v3 อันดับ 7, Elo 1,073. ส่วนต่าง 84 คะแนน

• การปรับราคาให้เป็นมาตรฐานบน Arena — Eleven v4 $80.00 ต่อล้านอักขระ เทียบกับ Eleven v3 $100.00 เรือธงรุ่นใหม่มีราคาถูกกว่าระหว่างสองรุ่นบนกระดาน

• ตารางอัตราค่าบริการของผู้ให้บริการ — Eleven v4 ราคาโปรโมชัน $0.022 ต่อพันตัวอักษร, $0.08 หลังวันที่ 12 ตุลาคม; Eleven v3 $0.08 เท่ากันที่ราคาตามรายการ, ครึ่งราคาในช่วงเวลาดังกล่าว

• ขีดจำกัดอินพุตต่อคำขอ — Eleven v4 10,000 ตัวอักษร เทียบกับ Eleven v3 5,000 เป็นสองเท่าพอดี

• ความครอบคลุมด้านภาษา — Eleven v4 มากกว่า 90 เทียบกับ Eleven v3 มากกว่า 70

• คำสั่งกำกับการส่งเสียง — เอกสารของ Eleven v4 ระบุแท็กเสียงแบบอินไลน์และการป้อนสัทอักษร IPA ส่วนเอกสารของ Eleven v3 ไม่ระบุทั้งสองอย่างในหน้าของโมเดล

• ความหน่วงตามที่ผู้ขายระบุ — Eleven v3 Conversational ประมาณ 280 มิลลิวินาที; Eleven v4 Turbo ประมาณ 150 มิลลิวินาที (ค่ามัธยฐาน) จนถึงเสียงแรก ต่างระดับ ต่างการทดสอบ

• โคลนเสียง — ไม่เปลี่ยนแปลง โคลนแบบ Instant และแบบ Professional ที่มีอยู่ยังคงใช้งานได้

• ระดับแพ็กเกจ — ไม่เปลี่ยนแปลง ฟรี 10,000 ตัวอักษร, Starter $6, Creator $22, Pro $99, Scale $299, Business $990

• เส้นทางการย้ายระบบ — Eleven v4 และ Eleven v4 Turbo เปิดใช้งานจริงทั้งใน API รวมถึงส่วนติดต่อสำหรับเอเจนต์และงานสร้างสรรค์; ตัวระบุ Turbo รุ่นเก่าถูกเลิกใช้งานแล้ว

อ่านแถวราคานั้นสองครั้ง ข้อเท็จจริงที่ไม่ธรรมดาเกี่ยวกับการเปิดตัวครั้งนี้ก็คือ โมเดลใหม่มีราคาถูกกว่ารุ่นที่มันเข้ามาแทนที่ บนบอร์ดเดียวกัน ที่ราคาตั้งต้น โดยไม่มีการใช้โปรโมชันใด ๆ — $80 ต่อล้าน เทียบกับ $100 อัตราโปรโมชันทำให้ส่วนต่างนั้นกว้างขึ้น ไม่ใช่ตัวที่ทำให้ส่วนต่างนั้นเกิดขึ้น การย้ายระบบที่เพิ่มคุณภาพขึ้น 150 Elo และลดต้นทุนต่อตัวอักษร ไม่ใช่ข้อแลกเปลี่ยนที่ทีมส่วนใหญ่คาดว่าจะได้ทำ

รายการตรวจสอบการย้ายข้อมูล ตามลำดับที่สำคัญ

ให้ย้ายไปที่เส้นทางของคุณภาพเสียงก่อน เพราะนั่นคือจุดที่ได้กำไร และเป็นจุดที่การถดถอยจะเห็นได้ชัดต่อผู้ใช้ของคุณก่อนที่จะชัดต่อตัวคุณเอง

ทดสอบฟังเสียงที่คุณปล่อยใช้งานจริง Provider Voice เป็นค่าเฉลี่ยจากชุดเสียงอารีนา เสียงแบรนด์ของคุณไม่ได้อยู่ในนั้น ช่องว่าง 150 คะแนนเป็นเหตุผลให้ต้องทดสอบฟัง ไม่ใช่สิ่งทดแทนการทดสอบฟัง และช่องว่าง 84 คะแนนของบอร์ดเสียงโคลนเป็นค่าประมาณที่ใกล้เคียงกว่าว่าผลิตภัณฑ์ที่ใช้เสียงโคลนจะให้ความรู้สึกอย่างไร

• ตรวจสอบงบประมาณจำนวนอักขระของคุณอีกครั้ง ขีดจำกัด 10,000 อักขระเป็นสองเท่าของ v3 ดังนั้นสคริปต์ที่คุณเคยแยกก่อนหน้านี้อาจพอดีในคำขอเดียวแล้ว สิ่งนี้เปลี่ยนจำนวนคำขอ ตรรกะการลองใหม่ และคุณภาพรอยต่อของเอาต์พุตที่เย็บต่อกัน — และเป็นความเปลี่ยนแปลงที่มักทำให้โค้ดที่สมมติว่ามีขีดจำกัด 5,000 แตกหักได้มากที่สุด

• ทดสอบรอยต่อ ElevenLabs ระบุไว้ชัดเจนว่า v4 มีการเชื่อมคำขอที่เชื่อถือได้มากกว่า หากคุณเคยแบ่งเนื้อหาความยาวที่ v3 ให้ลองรันเนื้อหาเดิมผ่าน v4 ในครั้งเดียวแล้วเปรียบเทียบดู แทนที่จะสันนิษฐานว่าการแบ่งยังจำเป็นอยู่

• ทดสอบเคสการออกเสียงของคุณอีกครั้งด้วยการรองรับหน่วยเสียงแบบใหม่ คลังคำที่สร้างขึ้นสำหรับ v3 ควรนำมาตรวจสอบความถูกต้องใหม่แทนที่จะเชื่อถือได้เลยทีเดียว การจัดการ IPA ที่ดีขึ้นอาจหมายความว่าการกำหนดทับที่เคยถูกต้องก่อนหน้านี้ ตอนนี้มีปฏิสัมพันธ์กับคำเดาของโมเดลเองแตกต่างออกไปแล้ว

• อย่าไปยุ่งกับคลังโคลนของคุณ โคลนจะติดไปด้วย ไม่จำเป็นต้องอัปโหลดใหม่ และการโคลนซ้ำมีความเสี่ยงที่จะทำให้สูญเสียเสียงที่ผู้ใช้ของคุณจดจำได้

• สำหรับตอนนี้ ให้คง v3 Conversational ไว้ในจุดที่คุณใช้งานมัน มันเป็นระดับสำหรับการสนทนามากกว่าเป็นโมเดลสังเคราะห์ และยังมีเอกสารระบุไว้ที่ประมาณ 280 ms และยังไม่มี v4 รุ่นเทียบเท่าที่เผยแพร่ หากเอเจนต์ของคุณพึ่งพามัน v4 ไม่ใช่ตัวแทนแบบเทียบกันได้โดยตรงสำหรับตำแหน่งนั้น — v4 Turbo คือป้าย v4 ที่มีความหน่วงต่ำกว่า และระดับความหน่วงของมันถูกอ้างอิงต่างออกไป

อะไรกันแน่ที่ดีขึ้น และอะไรที่ไม่

ผลตอบแทนที่ได้จะกระจุกตัวอยู่ในสามจุด ช่วงอารมณ์และจังหวะคือจุดแรก — นั่นคือสิ่งที่บอร์ด Provider Voice กำลังวัด และก็เป็นสิ่งที่ประกาศของผู้ขายเองเน้นเช่นกัน พร้อมกับข้ออ้างว่าการเปรียบเทียบแบบปกปิดชอบ v4 ในราวสามในสี่ของกรณี ให้ถือว่าตัวเลขนั้นเป็นข้อมูลที่ผู้ขายระบุและยังไม่มีการทำซ้ำ ส่วนบอร์ด arena คืออีกครึ่งหนึ่งที่เป็นอิสระของเรื่องเดียวกัน และเห็นพ้องกันในด้านทิศทาง

บทสนทนาหลายผู้พูดที่มีอัตลักษณ์ผู้พูดคงที่คือข้อที่สอง หากคุณเคยส่งมอบเนื้อหาที่มีผู้พูดสองคนบน v3 และใช้ความพยายามแก้ปัญหาการปนกันหรือการเลื่อนไหลของเสียงผู้พูดตลอดสคริปต์ยาว นั่นคือภาระงานที่การปรับปรุงเป็นเชิงโครงสร้างมากกว่าแค่เรื่องผิวเผิน และเป็นสิ่งที่ตัวเลข Elo สะท้อนได้เพียงบางส่วนเท่านั้น

คำสั่งกำกับวิธีการพูดแบบฝังในคือวิธีที่สาม — การเขียนเสียงถอนหายใจหรือเสียงกระซิบลงไปในบทพูดโดยตรง บน v3 นั่นหมายถึงการต้องอัดเทคซ้ำ ต้องใส่พรอมป์ต้นทาง หรือต้องประมวลผลภายหลัง บน v4 Turbo มันเป็นเพียงบรรทัดหนึ่งในข้อความที่คุณมีอยู่แล้ว

สิ่งที่ไม่ได้ดีขึ้นคือส่วนที่ทีมต่างๆ มักคิดว่าจะดีขึ้นเมื่อมีเรือธงรุ่นใหม่: ความหน่วง (latency) ElevenLabs ไม่ได้เผยแพร่ตัวเลขความหน่วงสำหรับ Eleven v4 เอง มีเพียงสำหรับ v4 Turbo ที่ประมาณ 100 ms สำหรับค่ามัธยฐานของ inference และประมาณ 150 ms สำหรับค่ามัธยฐานของเวลาถึงเสียงพูดแรก (time to first speech) ซึ่งวัดในเดือนกันยายน 2026 ส่วน conversational tier ของ Eleven v3 ถูกอ้างว่าอยู่ที่ประมาณ 280 ms แต่เป็น tier ที่แตกต่างกันและทำงานคนละแบบ หากสถาปัตยกรรมของคุณถูกสร้างขึ้นโดยมีงบความหน่วงแบบตายตัว จุดยืนที่ตรงไปตรงมาคือ v4 Turbo คือตัวเลือกที่ควรพิจารณา และคุณควรวัดด้วยตนเอง เพราะชื่อ tier ไม่ได้จับคู่กันอย่างชัดเจน และตัวเลขของผู้ขายก็ไม่ได้เทียบกันแบบเดียวกัน

ช่วงเวลาสองสัปดาห์ และสิ่งที่เกิดขึ้นหลังจากนั้น

ราคาโปรโมชันมีผลถึงวันที่ 12 ตุลาคม จนถึงตอนนั้น Eleven v4 อยู่ที่ $0.022 ต่อพันตัวอักษร และ Eleven v4 Turbo อยู่ที่ $0.011 เมื่อเทียบกับราคาตามรายการที่ระบุไว้ที่ $0.08 และ $0.04 ตามลำดับ หลังจากช่วงเวลาดังกล่าว v4 จะกลับไปเท่ากับราคาที่ v3 คิดอยู่ในปัจจุบันพอดี — $0.08 — และ v4 Turbo จะกลับไปอยู่ที่ครึ่งหนึ่งของอัตราของ v3

หนึ่งเดือนที่คำนวณจากห้าล้านตัวอักษร: v3 ราคา $400 v4 ในช่วงโปรโมชั่นราคา $110 และหลังจากนั้นราคา $400 อีกครั้ง v4 Turbo ราคา $55 ในช่วงโปรโมชั่นและ $200 หลังจากนั้น ดังนั้นการย้ายไปใช้ที่น่าสนใจอาจกล่าวได้ว่าเป็นการย้ายไปใช้ Turbo เพราะเป็นตัวเลือกเดียวในตารางราคานี้ที่ยังคงถูกกว่า v3 หลังจากโปรโมชั่นสิ้นสุดลง และการรองรับ audio-tag ที่ v3 ขาดหายไปนั้นก็อยู่ที่ Turbo

แนวทางที่ปฏิบัติได้จริงคือทำงานด้านคุณภาพตอนนี้ไปก่อน ในขณะที่ราคาเป็นเพียงของแถม และค่อยตัดสินใจเรื่องราคาโดยอิงตัวเลขหลังวันที่ 12 ตุลาคม การเปรียบเทียบใดก็ตามที่อ้างราคา $22 ต่อล้านสำหรับ Eleven v4 โดยไม่ระบุกำหนดเวลาไว้ด้วย กำลังพูดถึงอัตราที่จะหมดอายุในอีกสองสัปดาห์

ทยอยเปลี่ยนโดยไม่เดิมพันทั้งรีลีสกับมัน

OrcaRouter ไม่ได้โฮสต์ ElevenLabs ดังนั้นในการย้ายระบบครั้งนี้ เราไม่มีอะไรที่สามารถย้ายให้คุณได้ — การเปลี่ยนแปลงเกิดขึ้นบนบัญชี ElevenLabs ของคุณ สิ่งที่เราดูแลคือชั้นที่อยู่รอบ ๆ สแต็กที่ไม่ได้ผูกกับผู้ให้บริการรายเดียว หากเส้นทางเสียงพูดของคุณเป็นหนึ่งในหลายโมเดลที่อยู่เบื้องหลังเอนด์พอยต์เดียว เรามีโมเดลมากกว่า 200 รายการให้บริการผ่านคีย์ API เดียว โดยส่งผ่านราคาตามรายการของผู้ให้บริการในอัตราบวกเพิ่ม 0% ซึ่งหมายความว่าการปรับราคาของผู้ให้บริการ — เช่นกรณีนี้ — จะส่งผลถึงฝั่งเราในวันเดียวกับที่ส่งผลถึงฝั่งพวกเขา โดยไม่ต้องมีสัญญาที่สองหรือเปลี่ยนแปลงการเชื่อมต่อ

ในกรณีที่เส้นทางเสียงเป็นส่วนที่ลูกค้าใช้งานโดยตรงและต้องไม่หลุด ระบบ failover อัตโนมัติจะกำหนดเส้นทางอ้อมเลี่ยง upstream ที่เสื่อมคุณภาพ แทนที่จะปล่อยให้สายล้มเหลวนี่คือรูปแบบที่การย้ายระบบลักษณะนี้ควรเป็น: รัน v4 ไว้หลังเอนด์พอยต์เดียวกับระบบเดิม โยกทราฟฟิกส่วนหนึ่ง และปล่อยให้เลเยอร์การกำหนดเส้นทางคอยสำรองไว้ ในระหว่างที่คุณตรวจสอบว่า 150 คะแนน Elo จะปรากฏในเสียงของคุณเองหรือไม่

การตัดสินใจในย่อหน้าเดียว

ย้ายระบบ หากผู้ฟังได้ยินเอาต์พุตของคุณ และคุณยังใช้ v3 อยู่ — ช่องว่างด้านคุณภาพนี้คือการก้าวกระโดดครั้งใหญ่ที่สุดภายในรุ่นเดียวที่ ElevenLabs เคยประกาศบนบอร์ดเหล่านี้ เพดานจำนวนตัวอักษรเพิ่มขึ้นเป็นสองเท่า รายการภาษาที่รองรับเพิ่มขึ้นเป็นสองเท่า และราคาตามประกาศต่ำกว่า ทยอยย้ายเป็นระยะ ๆ เริ่มจากเสียงที่ผู้ใช้เรียกใช้งานมากที่สุด ไม่ใช่สคริปต์ที่ซับซ้อนที่สุด และวางงบประมาณของคุณโดยอิงตัวเลขวันที่ 12 ตุลาคม ไม่ใช่ตัวเลขของสัปดาห์นี้ ให้อยู่กับ v3 ต่อไปเฉพาะเมื่อระบบผสานรวมของคุณไม่สามารถรองรับเพดานอินพุตที่ต่างออกไปได้ หรือเมื่อ v3 Conversational เป็นส่วนที่รับภาระสำคัญในเอเจนต์ และคุณยังไม่ได้วัด v4 Turbo เทียบกับงบความหน่วงของคุณเอง นั่นคือสองกรณีที่การอดทนรอมีต้นทุนน้อยกว่าการเปลี่ยนแบบเร่งรีบ