Eleven v4 กับ Gemini 3.1 Flash TTS: ส่วนต่าง 116 คะแนน และโมเดล Google ที่ราคาถูกกว่า
- typesafeใหม่TypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 982 tok/s
- openaiใหม่OpenAI: GPT-6 Luna2026-09-2237ความฉลาด
- openaiใหม่OpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- anthropicใหม่Anthropic: Claude Opus 5.52026-09-2258ความฉลาด
- grokใหม่Grok 4.72026-09-2146ความฉลาด
- Orcaใหม่Orca: OrcaCyber Zero 1.02026-09-17$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 197 tok/s
- orcaใหม่Orca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 1327 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash2026-09-1040ความฉลาด
- openaiOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- googleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- qwenQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- anthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- tencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 109 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 ต่อ 1 ล้านโทเค็น · 221 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845ความฉลาด75การเขียนโค้ด
- obsidianQwen3.8 27B2026-08-1534ความฉลาด68การเขียนโค้ด
- deepseekDeepSeek: DeepSeek V4 Pro 08132026-08-1236ความฉลาด69การเขียนโค้ด
- grokSpaceXAI: Grok 4.62026-08-1244ความฉลาด77การเขียนโค้ด
หากวันนี้คุณค้นหาด้วยเสียงของ Google คุณจะไปเจอตัวที่ไม่ใช่ตัวที่ควร Google Gemini 3.1 Flash TTS อยู่ในอันดับที่ 11 บน Provider Voice Arena ของ Artificial Analysis ด้วยคะแนน Elo 1,203 จากการปรากฏตัว 3,512 ครั้ง ในราคา 18.31 ดอลลาร์ต่อล้านตัวอักษร ElevenLabs Eleven v4 ซึ่งเปิดตัวเมื่อวันที่ 28 กันยายน 2026 อยู่อันดับที่ 1 ด้วยคะแนน Elo 1,319 จากการปรากฏตัว 1,674 ครั้ง ในราคา 80.00 ดอลลาร์ต่อล้าน ดูเหมือนเป็นช่องว่างถึง 116 คะแนนที่ต้องสู้กับคู่แข่งที่ราคาถูกกว่า — จนกระทั่งคุณสังเกตว่า Gemini 3.8 Flash TTS ของ Google เองอยู่อันดับที่ 3 บนกระดานเดียวกันด้วยคะแนน 1,267 และราคาที่ปรับมาตรฐานแล้วซึ่งต่ำกว่า คือ 16.49 ดอลลาร์ การแข่งขันที่แท้จริงไม่ใช่คู่ที่พาดหัวข่าวชี้ให้เห็น และเหตุผลก็คือวันเปิดตัว
หนึ่งในนี้ใหม่กว่าที่ดูอยู่ 18 เดือน
Gemini 3.1 Flash TTS มีวันที่วางจำหน่าย 15 เมษายน 2026 อยู่บนบอร์ด Eleven v4 มีวันที่ 28 กันยายน 2026 นั่นคือห้าเดือนครึ่ง ซึ่งไม่ถือเป็นหนึ่งเจเนอเรชันในงานสังเคราะห์เสียงพูด แต่ก็นานพอที่ Google จะปล่อยรุ่นสืบทอดออกมาแล้ว: Gemini 3.8 Flash TTS และ Gemini 3.8 Flash-Lite TTS เปิดให้ใช้งานทั่วไปทั้งคู่เมื่อวันที่ 23 กันยายน 2026 ก่อน Eleven v4 ห้าวัน และทั้งคู่ถูกจัดอันดับอยู่เหนือ 3.1 บนบอร์ดเดียวกัน Gemini 3.8 Flash-Lite TTS อยู่อันดับที่หกที่ 1,241 และ $11.03 ต่อล้าน
ดังนั้นการเปรียบเทียบที่ตรงไปตรงมาจึงมีสามประเด็น ไม่ใช่สองประเด็น และการเรียงลำดับตามราคาก็เป็นส่วนที่น่าสนใจ:
• อันดับ 1, ElevenLabs Eleven v4 — Elo 1,319, 80.00 ดอลลาร์ต่อล้านตัวอักษร, ปรากฏ 1,674 ครั้ง, ช่วง ±19
• อันดับ 3, Google Gemini 3.8 Flash TTS — Elo 1,267, $16.49 ต่อล้านอักขระ, เปิดตัวเมื่อวันที่ 23 กันยายน 2026
• อันดับ 6, Google 3.8 Flash-Lite — Elo 1, 11.03 ดอลลาร์ต่อล้านตัวอักษร, เปิดตัวเมื่อวันที่ 23 กันยายน 2026
• อันดับ 11, Google Gemini 3.1 Flash TTS — Elo 1,203, 18.31 ดอลลาร์ต่อล้านตัวอักษร, เปิดตัว 15 เมษายน 2026, ปรากฏ 3,512 ครั้ง, ช่วงความเชื่อมั่น ±12
สังเกตว่าช่วงเหล่านี้ส่งผลต่อการจัดอันดับนั้นอย่างไร Gemini 3.1 Flash TTS ประเมินไว้ที่ 1,203 โดยมีช่วง ±12 ดังนั้นค่าจริงของมันจึงอยู่ที่ประมาณ 1,191 ถึง 1,215 Eleven v4 ประเมินไว้ที่ 1,319 โดยมีช่วง ±19 — ประมาณ 1,300 ถึง 1,338 สองช่วงนี้ไม่ทับซ้อนกัน และช่องว่างระหว่างทั้งสองกว้างกว่าหนึ่งร้อยคะแนน นั่นคือความชัดเจนที่สุดเท่าที่กระดานจัดอันดับตามความชอบจะให้ได้
ทำไมจำนวนตัวอย่างจึงสำคัญกว่าอันดับ
Gemini 3.1 Flash TTS มีข้อมูลการปรากฏ 3,512 ครั้งรองรับค่าประมาณของมัน; Eleven v4 มี 1,674 ครั้ง เพราะเพิ่งอยู่บนบอร์ดนี้ได้หนึ่งวัน ค่าประมาณของโมเดลที่ใหม่กว่าจะมีความไม่แน่นอนต่อตัวอย่างมากกว่า และช่วง ±19 สะท้อนสิ่งนั้น ถ้าคุณเป็นผู้ซื้อประเภทที่รอให้ตัวเลขนิ่ง กฎง่าย ๆ คือการจัดลำดับที่อยู่เหนือความกว้างของช่วงคือส่วนที่คุณลงมือทำได้ ในที่นี้ การจัดอันดับอยู่รอดจากแถบความคลาดเคลื่อนได้อย่างสบายในทั้งสองทิศทาง — นำหน้า 3.8 Flash TTS และไม่ตามหลังใครเลยในการเปรียบเทียบนี้
อารีน่ายังนับจำนวนเสียงในอารีน่าด้วย: แปดเสียงสำหรับ Eleven v4 และเจ็ดเสียงสำหรับ Gemini 3.1 Flash TTS นั่นคือจำนวนเสียงจากผู้ให้บริการที่แตกต่างกันซึ่งใช้ในการทดสอบแบบปกปิด และเป็นตัวชี้วัดคร่าว ๆ ว่าผู้ให้บริการแต่ละรายมีชุดเสียงเริ่มต้นให้ใช้มากเพียงใด อันดับ 1 ของ Eleven v4 ได้มาด้วยแปดเสียง ซึ่งหมายความว่าชัยชนะนี้ไม่ได้มาจากเสียงบรรยายที่โชคดีเพียงเสียงเดียว
ความแตกต่างด้านความสามารถที่ Elo ไม่ได้นำมาคิดราคา
กระดานจัดอันดับวัดความชอบ ไม่ใช่ความครอบคลุมของคุณสมบัติ ความแตกต่างสี่ข้อเป็นตัวตัดสินโปรเจกต์จริง และไม่มีข้อใดปรากฏใน Elo
• การกำกับบทพูด — Eleven v4 ระบุแท็กเสียงแบบอินไลน์ ([laughs], [whispers], [said angrily in French accent]) และพรอมป์ต์การแสดงด้วยภาษาธรรมชาติ; ส่วน Google 3.1 generation ระบุการเลือกเสียงและการพรอมป์ต์ แต่ไม่มีรูปแบบแท็กที่เทียบเท่าสำหรับการกำกับการแสดง
• การสร้างเสียง — เจนเนอเรชัน Gemini 3.8 เพิ่มการออกแบบเสียงจากคำอธิบายที่เป็นลายลักษณ์อักษร และการจำลองเสียงจากตัวอย่าง 30 วินาที พร้อมลายน้ำและเมทาดาทาแสดงแหล่งที่มาบนผลลัพธ์ Gemini 3.1 Flash TTS มีมาก่อนสิ่งนั้น และมาพร้อมชุดเสียงที่สร้างไว้ล่วงหน้า
• การโคลนจากเสียงจริง — Instant Voice Cloning ของ Eleven v4 ทำงานจากเสียงเพียงสิบวินาที โดยมีระดับโปรเฟสชันนัลที่สูงขึ้นไปอีก ส่วนเส้นทางการจำลองเสียงของ Google ในเจเนอเรชัน 3.8 ต้องใช้ 30 วินาที และเพิ่มการตรวจสอบความยินยอม เกณฑ์ต่างกัน กลไกความยินยอมก็ต่างกัน
• ขีดจำกัดอินพุตต่อคำขอ — Eleven v4 ระบุไว้ที่ 10,000 ตัวอักษร Google คิดค่าบริการโมเดล TTS ของตนเป็นโทเคนแทนตัวอักษร ดังนั้นจึงไม่มีขีดจำกัดจำนวนตัวอักษรต่อคำขอแบบเทียบเคียงกันได้โดยตรงให้เปรียบเทียบ และไม่ควรนำหน่วยวัดทั้งสองมาวางเคียงข้างกันราวกับว่าเทียบเคียงกันได้
ประเด็นสุดท้ายนั่นแหละที่ทำให้สเปรดชีตฝ่ายจัดซื้อสะดุด ElevenLabs เสนอราคาต่อ 1,000 ตัวอักษร Google เสนอราคาต่อ 1 ล้านโทเคน ทั้งขาเข้าและขาออก Artificial Analysis ปรับมาตรฐานทั้งสองแบบให้อยู่บนแกนต่อ 1 ล้านตัวอักษร — นั่นคือที่มาของ $80.00 และ $18.31 — แต่การปรับมาตรฐานนั้นเป็นการแปลงของคณะกรรมการ ไม่ใช่ใบแจ้งหนี้ของผู้ขายรายใดรายหนึ่ง ใช้มันเพื่อจัดอันดับ ไม่ใช่เพื่อพยากรณ์
บัตรราคา Eleven v4 ส่งผลอย่างไรต่อการเปรียบเทียบนี้
เป็นเวลาสองสัปดาห์ การเปรียบเทียบราคาข้างต้นนั้นผิดพลาดในทางที่เป็นประโยชน์ต่อ ElevenLabs และหลังจากนั้นก็ผิดพลาดในทางที่เป็นผลร้ายต่อบริษัท บนหน้าราคา API ของ ElevenLabs นั้น Eleven v4 ถูกระบุไว้ที่ $0.022 ต่อ 1,000 ตัวอักษร เทียบกับราคาปกติที่ประกาศไว้ที่ $0.08 โดยติดป้ายว่าลด 72% จนถึงวันที่ 12 ตุลาคม Eleven v4 Turbo ถูกระบุไว้ที่ $0.011 เทียบกับ $0.04 หลังจากวันที่ 12 ตุลาคม ตัวเลขโปรโมชันจะหายไป และอัตราบนกระดานที่ $80.00 ต่อล้านตัวอักษรจะกลายเป็นอัตราที่คุณจ่ายจริง
ลองคำนวณดูสำหรับเดือนที่มีห้าล้านตัวอักษร Eleven v4 มีค่าใช้จ่าย $110 ในช่วงเวลานั้น และ $400 หลังจากนั้น Gemini 3.1 Flash TTS เมื่อใช้การปรับมาตรฐานที่ $18.31 ของบอร์ด จะอยู่ที่ประมาณ $92 สำหรับเดือนเดียวกัน — ถูกกว่าโปรโมชัน และถูกกว่าราคาตามรายการประมาณสี่เท่า ทีมที่ทำ benchmarking ในเดือนกันยายนและส่งมอบในเดือนพฤศจิกายน จะตัดสินใจโดยอิงกับตัวเลขที่ไม่มีอยู่แล้ว
จุดที่การกำหนดเส้นทางเหมาะสม และจุดที่มันไม่เหมาะสม
ไม่มีโมเดลทั้งสองนี้อยู่ในแคตตาล็อกของ OrcaRouter ที่นี่ไม่มีเอนด์พอยต์ของ ElevenLabs และไม่มีเอนด์พอยต์ของ Google TTS ให้เรียกใช้ และคำตอบที่ตรงไปตรงมาต่อคำถามที่ว่า "ฉันจะเข้าถึง它們ผ่านคุณได้อย่างไร" นั้นคือ คุณไม่ได้เข้าถึงผ่านผม: Eleven v4 เข้าถึงได้ผ่าน API ของ ElevenLabs เอง และ Gemini 3.1 Flash TTS ผ่าน API ของ Google การพูดเป็นอย่างอื่นจะเป็นการกุการผสานรวมขึ้นมาเอง
สิ่งที่คีย์เดียวมีประโยชน์ในสถานการณ์เปรียบเทียบแบบนี้ก็คือตัวการตัดสินใจนั่นเอง หากคุณกำลังชั่งน้ำหนักระหว่างเอนด์พอยต์ราคา $400 ต่อเดือนกับอีกตัวราคา $92 ต่อเดือน คำตอบจะขึ้นอยู่กับสคริปต์ของคุณ ภาษาของคุณ และผู้ฟังของคุณเอง — และการได้คำตอบนั้นหมายถึงการเรียกทั้งสองจากเส้นทางโค้ดเดียวกันด้วยรูปแบบคำขอเดียวกัน แทนที่จะตั้งค่าการเชื่อมต่อกับผู้ให้บริการสองรายเพื่อรันการทดสอบเพียงครั้งเดียว OrcaRouter ครอบคลุมเลเยอร์นั้น: โมเดลกว่า 200 ตัวอยู่หลังคีย์เดียว โดยราคาตามรายการของผู้ให้บริการถูกส่งผ่านด้วยมาร์กอัป 0% ดังนั้นการเปลี่ยนแปลงราคาของผู้ให้บริการจะสะท้อนในวันที่เริ่มมีผล บวกกับ การสลับไปยังระบบสำรองอัตโนมัติ หากต้นทางรายหนึ่งเสื่อมประสิทธิภาพระหว่างการประเมิน
ใครควรเลือกอันไหน
เลือก Eleven v4 เมื่อเสียงคือตัวผลิตภัณฑ์ มันนำตารางอันดับอยู่ 116 คะแนน พร้อมช่วงคะแนนที่สะอาดกว่าโมเดลที่อยู่ถัดลงมา ในสองตัวนี้ มีเพียงมันเท่านั้นที่มีไวยากรณ์แท็กแบบอินไลน์ซึ่งมีเอกสารกำกับสำหรับการกำหนดทิศทางประสิทธิภาพ และเกณฑ์การโคลนเสียงของมันคือสิบวินาที ไม่ใช่สามสิบ ค่าพรีเมียมนั้นมีอยู่จริง — สี่เท่าของราคาตั้งที่ปรับมาตรฐานแล้ว — และมันซื้อตำแหน่งสูงสุดของตารางอันดับ
เลือก Gemini 3.1 Flash TTS ก็ต่อเมื่อคุณตั้งใจใช้มันอยู่แล้วเท่านั้น มันเป็นโมเดลรุ่นพรีวิวอายุห้าเดือนที่มีคะแนนต่ำกว่าและราคาที่ปรับมาตรฐานแล้วสูงกว่า เมื่อเทียบกับรุ่นเดือนกันยายนของ Google เอง และเหตุผลเดียวที่ยังใช้มันต่อไปคือความเฉื่อยจากระบบผสานรวมเดิม หากคุณมีความเฉื่อยนั้น การย้ายภายในสแตกของ Google ไปยัง 3.8 Flash TTS จะได้ 64 คะแนน Elo และราคาที่ปรับมาตรฐานแล้วต่ำลง โดยไม่ต้องเปลี่ยนผู้ให้บริการ — ซึ่งเป็นกรณีที่หาได้ยากที่การอัปเกรดก็เป็นตัวเลือกที่ถูกกว่าด้วย
สำหรับคนอื่น ๆ คำถามที่ยังร้อนแรงคือ Eleven v4 กับ Gemini 3.8 Flash TTS และคำตอบก็คือการแลกเปลี่ยนจริง ๆ มากกว่าจะเป็นการจัดอันดับ: 52 คะแนน Elo และไวยากรณ์แท็ก เมื่อเทียบกับต้นทุนต่ออักขระที่ราวหนึ่งในห้า ลองรันทั้งสองตัวบนสคริปต์เดียวกันหลังวันที่ 12 ตุลาคม เมื่อโปรโมชันของ ElevenLabs หมดไป และช่องว่างราคาจะเป็นราคาที่คุณจะต้องจ่ายจริง ๆ
