Eleven v4 กับ Sesame Preview: นี่ไม่ใช่การเปรียบเทียบที่คุณคิดอยู่

การค้นหา ElevenLabs Eleven v4เทียบกับ Sesame Previewจะเจอหน้าเว็บมากมายที่ยินดีจับทั้งสองมาใส่ตารางให้ เกือบทุกหน้าเป็นการเปรียบเทียบผลิตภัณฑ์หนึ่งกับเกณฑ์มาตรฐาน โดยอีกฝั่งเป็นเพียงเดโม และตารางคือสิ่งที่มีประโยชน์น้อยที่สุดบนหน้านั้น Eleven v4 เป็นโมเดลสังเคราะห์เสียงที่เปิดให้ใช้กันทั่วไป มี API มีตารางราคา และมีอันดับบน arena ที่เผยแพร่ ส่วน Sesame Preview เป็นผู้ช่วยเสียงสำหรับผู้บริโภคแบบใช้ฟรี ที่จะตอบเมื่อคุณแตะลิงก์ ทั้งสองไม่ใช่สองตัวเลือกสำหรับการซื้อเดียวกัน และฉบับที่ซื่อตรงของบทความนี้คือการถามว่าจริง ๆ แล้วคุณต้องการอันไหน — เพราะคำตอบขึ้นอยู่กับคำถามที่หน้าฝ่ายการตลาดของทั้งสองเจ้าไม่ได้ถาม

Eleven v4 จริงๆ แล้วคืออะไร

ElevenLabs เปิดตัว Eleven v4 และ Eleven v4 Turbo เมื่อวันที่ 28 กันยายน ในฐานะ endpoint สำหรับใช้งานจริง Eleven v4 รองรับมากกว่า 90 ภาษา จำกัด 10,000 ตัวอักษรต่อคำขอ รองรับบทสนทนาหลายผู้พูดที่รักษาเอกลักษณ์ของผู้พูดได้คงที่ มีคำสั่งกำกับการส่งมอบแบบอินไลน์ รองรับหน่วยเสียง IPA ดีขึ้น และโคลนเสียงได้ทันทีจากเสียง 10 วินาที โดยจัดอันดับที่หนึ่งบน Provider Voice Arena ของ Artificial Analysis ด้วย Elo 1,319 โดยมีตัวอย่าง 1,674 ตัวอย่างรองรับการประเมิน และอันดับที่สองบนกระดาน Controlled Voice ที่ 1,157 ในตารางราคา API ระบุไว้ที่ $0.022 ต่อพันตัวอักษรในช่วงโปรโมชันที่สิ้นสุดวันที่ 12 ตุลาคม จากนั้นจะกลับไปเป็น $0.08 ซึ่งเป็นราคาเดียวกับที่ ElevenLabs Eleven v3 ก่อนหน้านี้ใช้

ทุกส่วนของย่อหน้านั้นตรวจสอบได้ ทั้งตัวระบุโมเดล ขีดจำกัดอินพุตที่มีเอกสารระบุไว้ ราคาต่ออักขระที่เผยแพร่ หมายเหตุการเลิกใช้งานสำหรับระดับ Turbo รุ่นเก่า และรายการบนลีดเดอร์บอร์ดอิสระที่มีช่วงความเชื่อมั่น นั่นแหละคือหน้าตาของโมเดลเมื่อคุณซื้อมันได้

Sesame Preview จริง ๆ แล้วคืออะไร

Sesame Preview เป็นการสาธิตสำหรับผู้บริโภค มันเป็นผู้ช่วยเสียงที่คุณเข้าถึงได้ผ่านเว็บไซต์ของบริษัทเอง โดยมีบุคลิกสมมติที่มีชื่ออยู่ไม่กี่คน — Maya, Miles, Simone และ Charlie — ความจำเชิงบทสนทนาที่ต่อเนื่องข้ามเซสชัน การค้นหาเว็บ บันทึกและเตือนความจำ และสรุปหลังการสนทนา ใช้งานฟรี เซสชันที่ลงชื่อเข้าใช้จะใช้เวลาประมาณครึ่งชั่วโมง ส่วนเซสชันแบบผู้เยี่ยมชมประมาณห้านาที รองรับเฉพาะภาษาอังกฤษ และ Sesame ระบุอย่างชัดเจนว่าไม่ได้ลงมือทำงานใด ๆ จุดสำคัญของการสาธิตคือเนื้อสัมผัสของการสนทนา ไม่ใช่เอเจนต์ที่จะจองการประชุมให้คุณ

ส่วนที่สำคัญสำหรับการเปรียบเทียบนี้คือสิ่งที่ขาดหายไป ไม่มีรหัสโมเดล ไม่มีเอนด์พอยต์ ไม่มีตารางอัตราค่าบริการ ไม่มีขีดจำกัดอินพุตที่คุณออกแบบให้สอดรับได้ และไม่มีวันที่ประกาศสำหรับโมเดลสำหรับใช้งานจริง สายงานวิจัยที่เผยแพร่ของ Sesame เป็นคนละสิ่งกัน — โมเดลเสียงสนทนาแบบเปิดน้ำหนักที่มีบริบท 4K — และนั่นก็ไม่ใช่ระบบเดียวกับที่คุณคุยด้วยใน Preview ดังนั้นสิ่งที่ถูกเรียกว่า "Sesame Preview" ในตารางเปรียบเทียบทุกอันจึงเป็นผลิตภัณฑ์ที่คุณไม่สามารถเชื่อมต่อรวมระบบด้วยได้ และสิ่งที่คุณดาวน์โหลดได้ก็ไม่ใช่ผลิตภัณฑ์นั้น

ทำไมพวกเขาถึงใช้สกอร์บอร์ดร่วมกันไม่ได้

สนามแข่งเสียงแบบควบคุมบน Artificial Analysis เป็นสิ่งที่ใกล้เคียงที่สุดที่สาขานี้มีต่อการวัดผลที่เป็นกลาง และ Sesame Preview ไม่ได้อยู่ในนั้น มันไม่ได้อยู่บนกระดานเสียงผู้ให้บริการเช่นกัน ไม่มี Elo ไม่มีจำนวนโหวต ไม่มีการปรับมาตรฐานราคา — และไม่มีวิธีสร้างสิ่งเหล่านี้ขึ้นมา เพราะลีดเดอร์บอร์ดต้องมีปลายทางที่เรียกใช้ได้และราคาต่อหน่วย แต่ Sesame Preview ไม่มีทั้งสองอย่าง

ดังนั้น ตารางใดก็ตามที่วางสองสิ่งนี้ไว้เคียงข้างกัน กำลังเติมคอลัมน์ Sesame ด้วยข้อมูลจากทัวร์นำชมผลิตภัณฑ์ การเปรียบเทียบเอนด์พอยต์ราคา $80 ต่อล้านตัวอักษรกับเดโมเว็บฟรีในเรื่อง "ความเป็นธรรมชาติ" ไม่ใช่การเปรียบเทียบ แต่เป็นข้อผิดพลาดเชิงหมวดหมู่ที่มีช่องว่างรูป Elo อยู่ในนั้น หากหน้าใดอ้างว่ามีผู้ชนะในการจับคู่นั้น มันก็กุพื้นฐานของข้ออ้างนั้นขึ้นมาเอง

สิ่งที่พูดได้อย่างตรงไปตรงมาก็คือสิ่งที่แต่ละตัวกำลังพยายามจะเป็น Eleven v4 ถูกปรับให้เหมาะสมเพื่อเปลี่ยนบทให้กลายเป็นการแสดง ในระดับสเกลใหญ่ ผ่าน API ด้วยเสียงเดียวกันทุกครั้ง ส่วน Sesame Preview ถูกปรับให้เหมาะสมเพื่อทำให้คนแปลกหน้ารู้สึกเหมือนกำลังพูดคุยกับใครสักคน เพียงครั้งเดียว ในแท็บเบราว์เซอร์

ที่เดียวที่การเปรียบเทียบนั้นเป็นจริง

ภายใต้การค้นหานั้นมีคำถามจริง ๆ ข้อหนึ่งซ่อนอยู่ และมันเกี่ยวกับน้ำหนักแบบเปิด หากสิ่งที่คุณต้องการจริง ๆ คือโมเดลเสียงที่คุณดาวน์โหลดและรันเองได้ คำตอบก็ไม่ใช่เรือธงของทั้งสองเจ้า — สแต็กของ ElevenLabs เป็นแบบปิด และระบบ Sesame ที่คุณรันได้คือโมเดลวิจัยที่มีคอนเท็กซ์ 4K ไม่ใช่ตัวผู้ช่วย

สำหรับงานนั้น จุดอ้างอิงที่มีประโยชน์อยู่บนกระดานของอารีนา: Breeze TTS 2 เป็นรายการโอเพนเวทที่อันดับสูงสุดบน Provider Voice ด้วย Elo 1,206 และราคา $34.00 ต่อล้านตัวอักษร โดยมีโมเดลโอเพนเวท 16 ตัวในกลุ่ม 92 รายการของกระดานนั้น นั่นตามหลัง Eleven v4 อยู่ 113 คะแนน และนำหน้าสาย Qwen3 TTS ที่ 944 และ 930 อยู่พอสมควร หากโปรเจกต์ของคุณต้องรันบนฮาร์ดแวร์ของคุณเอง การเปรียบเทียบที่ควรทำคือ Eleven v4 กับ Breeze TTS 2 — ไม่ใช่กับเดโมในเบราว์เซอร์ — และข้อแลกเปลี่ยนตรงนั้นมีจริง: คุณเสียคะแนน Elo ไปราวหนึ่งร้อยคะแนนและเวิร์กโฟลว์ป้ายกำกับเสียง และคุณได้การควบคุมสแตกทั้งหมด

การเลือก โดยพิจารณาจากว่าสิ่งแต่ละอย่างมีไว้เพื่ออะไร

• หากคุณกำลังสร้างผลิตภัณฑ์ที่พูดได้ — Eleven v4 บน API บนเรตการ์ด ไม่มีส่วนใดของ Sesame Preview ที่สามารถนำมาผสานรวมได้ จึงไม่รวมอยู่ในการตัดสินใจนี้

• ถ้าคุณอยากได้เดโมการสนทนาไว้ให้ใครสักคนได้ลองว่าการใช้ AI เสียงรู้สึกเป็นอย่างไร — Sesame Preview และมันฟรี ซึ่งนั่นคือเหตุผลทั้งหมดที่ควรใช้มัน

• หากคุณกำลังประเมินช่วงอารมณ์ก่อนตัดสินใจเลือกผู้ให้บริการ — Elo 1,319 ของ Eleven v4 บนบอร์ดเสียงผู้ให้บริการ และ 1,157 บนบอร์ดเสียงโคลน คือตัวเลขที่ควรดู โดยมีข้อแม้ว่าตัวเลขตัวหลังคือตัวเลขที่อธิบายผลิตภัณฑ์เสียงแบรนด์โคลน

• หากคุณต้องการเสียงพูดในภาษาที่นอกเหนือจากภาษาอังกฤษ — Eleven v4 ระบุว่ามีมากกว่า 90 ภาษา; Sesame Preview รองรับเฉพาะภาษาอังกฤษและแจ้งไว้เช่นนั้น

• หากคุณต้องการให้โมเดลลงมือทำอะไรจริง ๆ — ในการเปรียบเทียบนี้ไม่มีตัวไหนเลย Sesame Preview ตั้งใจไม่ทำงาน และ Eleven v4 เป็นเครื่องยนต์สังเคราะห์ที่ต้องมีสแต็กของคุณเองอยู่รอบ ๆ

• หากคุณต้องรันบนเครื่องของคุณเอง — ไม่มีทั้งสองตัวเลย Breeze TTS 2 คือจุดอ้างอิงแบบโอเพนเวตส์

• หากต้นทุนเป็นปัจจัยตัดสินใจ — Eleven v4 ราคา $0.022 ต่อพันตัวอักษรจนถึงวันที่ 12 ตุลาคม และ $0.08 หลังจากนั้น ส่วน Sesame Preview ฟรีเพราะไม่ใช่ผลิตภัณฑ์ที่คุณซื้อได้ เดโมฟรีไม่ใช่ตัวเลือกที่ถูกกว่า; มันเป็นอีกหมวดหมู่ที่แตกต่างออกไป

สิ่งที่ทั้งสองฝ่ายมีร่วมกันคือปัญหาด้านกำหนดเวลา ราคาโปรโมชันของ Eleven v4 จะหมดอายุในวันที่ 12 ตุลาคม ซึ่งทำให้ค่าใช้จ่ายของมันเปลี่ยนแปลงไปเกือบสี่เท่า ส่วน Sesame ไม่ได้ระบุวันเวลาสำหรับรุ่นที่จะวางจำหน่ายจริงเลย ซึ่งเป็นความไม่แน่นอนอีกรูปแบบหนึ่ง — รุ่น Preview อาจถูกแทนที่ในเดือนหน้า หรืออาจคงอยู่ไม่เปลี่ยนแปลงไปอีกหนึ่งปี และไม่มีทางวางแผนรับมือกับการเปิดตัวที่ไม่มีใครกำหนดตารางไว้ได้เลย

หากสแตกของคุณลงเอยด้วยการครอบคลุมผู้ให้บริการด้านเสียงมากกว่าหนึ่งราย

OrcaRouter ไม่ได้เป็นผู้โฮสต์ทั้ง ElevenLabs และ Sesame ดังนั้นจึงไม่มีสิ่งใดในบทความนี้ที่ต้องเรียกผ่านเรา และเราจะไม่สื่อความเป็นอย่างอื่น สิ่งที่เราครอบคลุมคือชั้นที่อยู่เหนือสแต็กที่ผู้ให้บริการหลายรายเป็นผู้ให้บริการอยู่แล้ว คีย์ API เพียงคีย์เดียวเข้าถึงโมเดลกว่า 200 รายการ โดยส่งต่อราคาตามรายการของผู้ให้บริการโดยบวกเพิ่ม 0% ดังนั้นการเปลี่ยนแปลงราคาจากต้นทาง — โดยช่วงโปรโมชันของการเปิดตัวครั้งนี้เป็นตัวอย่างจริง — จะมาถึงฝั่งเราภายในวันเดียวกัน แทนที่จะรอถึงรอบใบแจ้งหนี้ถัดไป ในกรณีที่เส้นทางเสียงต้องเผชิญกับลูกค้าโดยตรง การสลับสำรองอัตโนมัติจะย้ายทราฟฟิกไปยังต้นทางที่ทำงานปกติเมื่อต้นทางหนึ่งเริ่มเสื่อมประสิทธิภาพ ซึ่งนี่คือวิธีที่คุณสามารถทดลองใช้เอนด์พอยต์ใหม่บนทราฟฟิกจริงได้โดยไม่ต้องเดิมพันการเปิดตัวกับมัน

สิ่งที่ควรนำกลับไป

Eleven v4 เป็นโมเดลที่คุณซื้อได้ วัดผลได้ และพึ่งพาได้ และตอนนี้มันครองอันดับหนึ่งบนบอร์ดจัดอันดับเสียงของผู้ให้บริการ พร้อมส่วนลดราคาสองสัปดาห์ Sesame Preview เป็นการทดลองฟรีด้านความรู้สึกของการสนทนา รองรับเฉพาะภาษาอังกฤษ จำกัดไว้ที่สามสิบนาที และไม่ใช่สิ่งที่คุณจะต่อยอดพัฒนาได้ เหตุผลที่ทั้งสองปรากฏในผลการค้นหาเดียวกันก็คือทั้งคู่เป็น AI เสียงและทั้งคู่เป็นของใหม่ — ไม่ใช่ว่าฝ่ายใดฝ่ายหนึ่งเป็นทางเลือกของอีกฝ่าย

ถ้าคุณมาที่นี่เพื่อเลือกระหว่างสองตัวนี้ การมองใหม่ที่มีประโยชน์คืออย่างนี้: คุณไม่ได้กำลังเลือกโมเดลเสียง คุณกำลังตัดสินใจว่าคุณกำลังปล่อยสินค้าจริงหรือแค่ลองเดโม และมีเพียงหนึ่งในการตัดสินใจเหล่านั้นที่มีเรตการ์ดผูกอยู่ ถ้าเป็นสินค้าจริง ให้อ่านตัวเลขของ Eleven v4 แล้วอ่านซ้ำอีกครั้งในวันที่ 13 ตุลาคม เมื่อเรตโปรโมชันหมดอายุ และการเปรียบเทียบกับผู้ขายรายอื่นทุกเจ้าบนกระดานเปลี่ยนไป