Eleven v4 so với phần còn lại của ElevenLabs: Bạn có nên chuyển khỏi Eleven v3 không?

Nếu bạn đang dùng ElevenLabs Eleven v3, câu trả lời là có đối với mọi thứ mà người nghe nghe thấy và là không đối với hai thứ mà ElevenLabs giữ nguyên. ElevenLabs Eleven v4 giành thêm 150 điểm Elo so với chính bản tiền nhiệm của nó trên Provider Voice Arena của Artificial Analysis — 1.319 so với 1.169 — và 84 điểm trên bảng Controlled Voice, nơi tất cả mọi người đều dùng chung tám giọng nói được nhân bản. Nó cũng có giới hạn ký tự gấp đôi v3 và phạm vi ngôn ngữ gần gấp đôi. Điều nó không thay đổi là hợp đồng của bạn, các bản sao giọng nói của bạn, hay cấu trúc gói bậc mà bạn phải thanh toán theo, đó là lý do vì sao việc chuyển đổi này rẻ hơn phần lớn các trường hợp khác và vẫn đáng để thực hiện theo từng giai đoạn thay vì làm tất cả cùng một lúc.

Bảng điểm trong nội bộ gia đình

Đây không phải là so sánh giữa các nhà cung cấp với nhau, nên việc chuẩn hóa giá trên bảng đấu trường hoạt động khác thường: cả hai mô hình đều tính phí theo ký tự, trên cùng một biểu giá, từ cùng một tài khoản. Những điểm mạnh và điểm yếu dưới đây được đánh giá so với các mô hình cùng dòng chứ không phải đối thủ cạnh tranh.

• Provider Voice Arena — ElevenLabs Eleven v4 hạng 1, Elo 1.319 so với ElevenLabs Eleven v3 hạng 18, Elo 1.169. Chênh lệch 150 điểm.

• Đấu trường Giọng nói có Kiểm soát, các giọng nói được nhân bản đã ghép cặp — Eleven v4 hạng 2, Elo 1,157 so với Eleven v3 hạng 7, Elo 1,073. Khoảng cách 84 điểm.

• Chuẩn hóa giá trên Arena — Eleven v4 $80.00 mỗi triệu ký tự so với Eleven v3 $100.00. Mẫu flagship mới là mẫu rẻ hơn trong hai mẫu trên bảng.

• Bảng giá nhà cung cấp — Eleven v4 $0,022 mỗi nghìn ký tự (ưu đãi), $0,08 sau ngày 12 tháng 10; Eleven v3 $0,08. Giống hệt nhau ở giá niêm yết, chỉ bằng một nửa giá trong thời gian ưu đãi.

• Giới hạn đầu vào mỗi yêu cầu — Eleven v4 10.000 ký tự so với Eleven v3 5.000. Chính xác gấp đôi.

• Phạm vi ngôn ngữ — Eleven v4 hơn 90 so với Eleven v3 hơn 70.

• Chỉ dẫn truyền đạt — Eleven v4 ghi tài liệu về thẻ âm thanh nội tuyến và đầu vào âm vị IPA; Eleven v3 không ghi tài liệu về cả hai trên trang mô hình của nó.

• Độ trễ, theo công bố của nhà cung cấp — Eleven v3 Conversational khoảng 280 ms; Eleven v4 Turbo khoảng 150 ms trung vị để tới giọng nói đầu tiên. Các hạng khác nhau, các bài kiểm tra khác nhau.

• Bản sao giọng nói — không thay đổi. Các bản sao tức thì và chuyên nghiệp hiện có vẫn được giữ nguyên.

• Các bậc gói — không đổi. Free 10.000 ký tự, Starter $6, Creator $22, Pro $99, Scale $299, Business $990.

• Lộ trình chuyển đổi — Eleven v4 và Eleven v4 Turbo đều đang hoạt động trong API, cùng các bề mặt agent và creative; các định danh Turbo cũ đã bị ngừng hỗ trợ.

Đọc dòng giá hai lần. Điều bất thường ở lần ra mắt này là mẫu mới rẻ hơn mẫu mà nó thay thế, trên cùng một bảng giá, theo giá niêm yết, không áp dụng khuyến mãi nào — 80 đô-la một triệu so với 100 đô-la. Mức giá khuyến mãi chỉ nới rộng khoảng cách đó chứ không tạo ra nó. Một cuộc chuyển đổi giúp nâng chất lượng thêm 150 Elo và giảm chi phí trên mỗi ký tự không phải là kiểu đánh đổi mà hầu hết các đội ngũ mong đợi phải thực hiện.

Danh sách kiểm tra di chuyển, theo đúng thứ tự quan trọng

Hãy chuyển đường dẫn chất lượng âm thanh lên trước, vì đó là nơi mang lại lợi ích và là nơi một lỗi hồi quy sẽ rõ ràng với người dùng của bạn trước khi nó rõ ràng với chính bạn.

• Hãy thử giọng những giọng bạn thực sự phát hành. Provider Voice là mức trung bình trên một bộ giọng đấu trường; giọng thương hiệu của bạn không nằm trong đó. Khoảng cách 150 điểm là lý do để thử giọng, không phải là thứ thay thế cho việc đó, và khoảng cách 84 điểm của bảng giọng sao chép là ước tính sát hơn về cảm giác mà một sản phẩm dựa trên bản sao sẽ mang lại.

• Hãy kiểm tra lại ngân sách ký tự của bạn. Giới hạn 10.000 ký tự gấp đôi so với v3, nên những script mà bạn trước đây phải tách giờ có thể vừa trong một yêu cầu. Điều đó thay đổi số lượng yêu cầu, logic thử lại và chất lượng mối nối của đầu ra được ghép — và đây là thay đổi dễ làm hỏng code vốn giả định giới hạn 5.000 ký tự nhất.

• Kiểm tra mối nối. ElevenLabs đặc biệt ghi rõ rằng việc ghép nối yêu cầu trong v4 đáng tin cậy hơn. Nếu trước đây bạn chia nhỏ nội dung dạng dài ở v3, hãy chạy lại cùng nội dung đó qua v4 trong một lần gọi và so sánh, thay vì cho rằng việc chia tách vẫn còn cần thiết.

• Kiểm thử lại các trường hợp phát âm của bạn với hỗ trợ âm vị mới. Các từ điển được xây dựng cho v3 nên được xác thực lại thay vì mặc nhiên tin dùng; việc xử lý IPA được cải thiện có thể đồng nghĩa với việc một ghi đè trước đây vốn đúng nay lại tương tác theo cách khác với dự đoán của chính mô hình.

• Hãy để yên thư viện clone của bạn. Các clone vẫn được giữ lại; không cần tải lại và việc clone lại có nguy cơ làm mất giọng nói mà người dùng của bạn nhận ra.

• Hiện tại, hãy cứ giữ v3 Conversational ở nơi bạn đang dùng nó. Đây là một phân hạng hội thoại chứ không phải mô hình tổng hợp, nó vẫn được ghi trong tài liệu ở mức khoảng 280 ms, và không có sản phẩm tương đương v4 nào được công bố. Nếu agent của bạn phụ thuộc vào nó, thì v4 không phải là phương án thay thế tương đương cho vị trí đó — v4 Turbo là nhãn v4 có độ trễ thấp hơn, và phân hạng độ trễ của nó được công bố theo cách khác.

Điều gì thực sự trở nên tốt hơn, và điều gì thì không

Những cải thiện tập trung ở ba chỗ. Dải cảm xúc và nhịp độ là chỗ đầu tiên — đó là thứ mà bảng Provider Voice đang đo, và cũng là thứ mà thông báo của chính nhà cung cấp nhấn mạnh, cùng với một tuyên bố rằng các so sánh mù ưu tiên v4 trong khoảng ba phần tư số trường hợp. Hãy coi con số đó là do nhà cung cấp nêu ra và chưa được tái lập; các bảng arena là nửa độc lập của cùng câu chuyện, và chúng đồng thuận về hướng.

Đối thoại nhiều người nói với định danh người nói ổn định là điểm thứ hai. Nếu bạn đã phát hành nội dung đối thoại hai người trên v3 và phải tốn công sửa lỗi rò rỉ hoặc trôi lệch người nói trong suốt một kịch bản dài, thì đó là một khối lượng công việc mà cải thiện ở đây mang tính cấu trúc chứ không phải bề mặt, và đó là điều mà con số Elo chỉ nắm bắt được một phần.

Các chỉ dẫn thể hiện nội tuyến là mục thứ ba — viết một tiếng thở dài hay một lời thì thầm trực tiếp vào kịch bản. Trên v3, điều đó có nghĩa là phải thu lại lần nữa, một prompt ở thượng nguồn, hoặc xử lý hậu kỳ. Trên v4 Turbo, nó chỉ là một dòng trong đoạn văn bản bạn đã có.

Điều không trở nên tốt hơn chính là phần mà các đội ngũ thường cho rằng sẽ cải thiện nhờ một mẫu chủ lực mới: độ trễ. ElevenLabs không công bố số liệu độ trễ nào cho chính Eleven v4, mà chỉ cho v4 Turbo ở mức suy luận trung vị khoảng 100 ms và thời gian trung vị đến âm thanh đầu tiên khoảng 150 ms, được đo vào tháng 9 năm 2026. Hạng hội thoại của Eleven v3 được ghi ở khoảng 280 ms nhưng đây là một hạng khác đảm nhiệm một công việc khác. Nếu kiến trúc của bạn được xây dựng quanh một ngân sách độ trễ nghiêm ngặt, thì quan điểm trung thực là v4 Turbo mới là ứng viên, và bạn nên tự đo nó, bởi vì tên các hạng không ánh xạ rõ ràng và các con số của nhà cung cấp không cùng cơ sở so sánh.

Khoảng thời gian hai tuần, và điều gì xảy ra sau đó

Giá khuyến mại có hiệu lực đến ngày 12 tháng 10. Cho đến thời điểm đó, Eleven v4 là $0,022 mỗi nghìn ký tự và Eleven v4 Turbo là $0,011, so với mức giá niêm yết đã công bố lần lượt là $0,08 và $0,04. Sau thời gian ưu đãi, v4 trở về đúng mức giá mà v3 đang có hiện nay — $0,08 — và v4 Turbo trở về bằng một nửa mức giá của v3.

Một tháng làm việc với năm triệu ký tự: v3 tốn $400. v4 trong giai đoạn ưu đãi tốn $110 và sau đó lại tốn $400. v4 Turbo tốn $55 trong giai đoạn ưu đãi và $200 sau đó. Vậy nên, việc chuyển đổi đáng chú ý có lẽ là phương án Turbo, vì đây là lựa chọn duy nhất trên bảng giá này vẫn rẻ hơn v3 sau khi khuyến mãi kết thúc, và khả năng hỗ trợ audio-tag mà v3 thiếu nằm ở đó.

Bước đi thiết thực là hoàn thành phần việc chất lượng ngay bây giờ trong khi mức giá chỉ còn là điểm cộng, và đưa ra quyết định về giá dựa trên các con số sau ngày 12 tháng 10. Bất kỳ so sánh nào dẫn mức $22 cho mỗi triệu đối với Eleven v4 mà không kèm thời hạn đều đang mô tả một mức giá sẽ hết hạn sau hai tuần.

Triển khai chuyển đổi theo từng giai đoạn mà không đánh cược cả bản phát hành vào nó

OrcaRouter không lưu trữ ElevenLabs, nên không có gì trong lần di chuyển này mà chúng tôi có thể chuyển giúp bạn — thay đổi diễn ra trên chính tài khoản ElevenLabs của bạn. Điều chúng tôi xử lý là lớp bao quanh một hệ thống không chỉ đến từ một nhà cung cấp duy nhất. Nếu đường thoại của bạn là một trong nhiều mô hình đứng sau một điểm cuối, chúng tôi cung cấp hơn 200 mô hình qua một khóa API duy nhất, với giá niêm yết của nhà cung cấp được chuyển nguyên vẹn ở mức chênh 0%, nghĩa là việc nhà cung cấp đổi giá — như lần này — sẽ đến phía chúng tôi cùng ngày với phía họ, mà bạn không cần thêm hợp đồng mới hay thay đổi khâu tích hợp.

Khi luồng thoại hướng tới khách hàng và không thể bị ngắt, cơ chế chuyển đổi dự phòng tự động sẽ định tuyến vòng qua một upstream bị suy giảm thay vì làm cuộc gọi thất bại. Đó là hình mẫu mà một cuộc di trú như thế này nên theo: chạy v4 phía sau cùng endpoint với hệ thống hiện hữu, dịch chuyển một phần lưu lượng, và để lớp định tuyến giữ phương án dự phòng trong khi bạn xác minh liệu 150 điểm Elo có xuất hiện trong âm thanh của chính bạn hay không.

Quyết định, trong một đoạn văn

Hãy chuyển đổi nếu người nghe vẫn nghe thấy đầu ra của bạn và bạn vẫn đang dùng v3 — khoảng cách chất lượng là bước nhảy đơn thế hệ lớn nhất mà ElevenLabs từng công bố trên các diễn đàn này, giới hạn ký tự tăng gấp đôi, danh sách ngôn ngữ tăng gấp đôi, và giá niêm yết thấp hơn. Hãy thực hiện việc chuyển đổi theo từng giai đoạn, bắt đầu với giọng có lưu lượng truy cập cao nhất thay vì kịch bản phức tạp nhất của bạn, và lập kế hoạch ngân sách dựa trên các con số ngày 12 tháng 10 thay vì con số của tuần này. Chỉ nên tiếp tục dùng v3 nếu tích hợp của bạn không thể tiếp nhận một giới hạn đầu vào khác, hoặc nếu v3 Conversational đóng vai trò chịu lực trong một agent và bạn chưa đo lường v4 Turbo so với ngân sách độ trễ của riêng mình. Đó là hai trường hợp mà việc kiên nhẫn tốn ít chi phí hơn so với việc chuyển đổi vội vàng.