Eleven v4 vs OpenAI TTS-1 HD: Hai năm trôi dạt trong một bảng

OpenAI TTS-1 HD có ngày phát hành là ngày 6 tháng 11 năm 2023. ElevenLabs Eleven v4 có ngày phát hành là ngày 28 tháng 9 năm 2026. Trên Provider Voice Arena của Artificial Analysis, hai ngày đó cách nhau 216 điểm Elo — TTS-1 HD đứng ở hạng 35 với 1.104 điểm qua 3.500 lần xuất hiện ở mức 30,00 USD cho mỗi triệu ký tự, trong khi Eleven v4 đứng ở hạng 1 với 1.319 điểm qua 1.674 lần xuất hiện ở mức 80,00 USD. Cả hai con số đều có khoảng tin cậy hẹp, ±12 và ±19, nên thứ tự không có gì phải nghi ngờ. Câu hỏi thú vị không phải là mô hình nào tốt hơn, vì điều đó đã được ngã ngũ từ trước khi bài viết này ra đời. Mà là tại sao một endpoint từ năm 2023 vẫn có 3.500 lần xuất hiện trên một bảng xếp hạng nơi một mô hình mới chỉ năm ngày tuổi đã có 1.674 lần, và điều đó nói lên gì về việc di chuyển mà bạn đang được đề nghị cân nhắc.

Bảng điểm, và hàng duy nhất mà OpenAI giành chiến thắng

Năm khía cạnh quyết định cuộc đối đầu này, và cả hai phía của mỗi khía cạnh đều đáng được đọc song song với nhau.

• Ưu tiên mù, giọng nói nhà cung cấp — Eleven v4 xếp hạng 1, Elo 1.319 (±19, 1.674 lần xuất hiện) so với TTS-1 HD xếp hạng 35, Elo 1.104 (±12, 3.500 lần xuất hiện). Khoảng cách 216 điểm vẫn vượt qua các thanh sai số.

• Giá niêm yết, trên mỗi triệu ký tự — Eleven v4 $80.00 so với TTS-1 HD $30.00. OpenAI rẻ hơn 62% theo giá niêm yết, và còn rẻ hơn nữa trong đợt khuyến mãi của ElevenLabs.

• Giọng nói — Eleven v4 ghi rõ khả năng nhân bản tức thì từ mười giây âm thanh cùng một cấp độ nhân bản chuyên nghiệp; TTS-1 HD đi kèm một bộ giọng cố định, chín giọng cho dòng tts-1 trong tài liệu của chính OpenAI (alloy, ash, coral, echo, fable, onyx, nova, sage, shimmer) và không hỗ trợ nhân bản.

• Hướng dẫn thể hiện — Eleven v4 có tài liệu về các thẻ âm thanh nội tuyến và lời nhắc chỉ dẫn bằng ngôn ngữ tự nhiên; TTS-1 HD nhận văn bản thuần, còn tham số steerable-instructions của OpenAI thuộc về mô hình TTS mới hơn của hãng chứ không phải mô hình này.

• Ngày phát hành — Eleven v4 28 tháng 9, 2026 so với TTS-1 HD 6 tháng 11, 2023.

Giá là hạng mục mà OpenAI giành phần thắng, và đó là một chiến thắng lớn hơn vẻ ngoài của nó, bởi vì mức giá của ElevenLabs chỉ là tạm thời. Ở mức $0.022 cho mỗi 1.000, v4 tốn $22 một triệu cho đến ngày 12 tháng 10 — rẻ hơn hẳn TTS-1 HD. Sau ngày 12 tháng 10, giá là $80 một triệu so với $30 của OpenAI, và giữ nguyên ở mức đó.

Tại sao một mô hình năm 2023 lại có số lượng mẫu gấp đôi

Con số đó là thứ hữu ích nhất trên bảng này và rất dễ bị đọc sai. Số lần xuất hiện trên Arena tích lũy theo lưu lượng truy cập, và lưu lượng truy cập tích lũy nhờ những tích hợp được xây dựng một lần rồi không bao giờ được xem lại. TTS-1 HD đã đạt 3.500 lần xuất hiện vì nó đã là endpoint giọng nói mặc định cho mọi đội ngũ vốn đã gọi OpenAI cho chat completions: cùng khóa, cùng SDK, cùng dòng tính phí, thêm một lần gọi. Không có gì trong câu đó nói về chất lượng giọng nói, và mức thua kém 216 điểm đã không ngăn được nó.

Đây là hình hài của nợ chuyển đổi trên một bảng xếp hạng. Đó không phải là tín hiệu cho thấy mô hình cũ có sức cạnh tranh; đó là tín hiệu cho thấy việc chuyển đổi có cái giá của nó, và rằng rất nhiều đội nhóm đã quyết định cái giá đó đáng giá hơn 216 điểm Elo. Đó là một kết luận chính đáng cho một bảng đọc thông báo và là một kết luận tồi cho một sản phẩm mà giọng nói là thứ khách hàng nghe thấy.

Lý do nên tiếp tục dùng TTS-1 HD

Ba thứ khiến nó vẫn có thể bảo vệ được, và không thứ nào trong số đó là chất lượng.

Tính tất định là ưu tiên hàng đầu. Một tập hợp cố định gồm chín giọng nói tạo ra đầu ra nhất quán giữa các phiên bản theo cách mà một quy trình nhân bản không thể làm được, và đầu ra nhất quán chính là điều bạn muốn ở một lối tiện ích, nơi không ai lắng nghe để tìm tính nghệ thuật. Không có bản sao nào để bị trôi lệch, không có mẫu tham chiếu nào để thu lại, và không có tài liệu đồng thuận nào để duy trì.

Chi phí tích hợp là yếu tố thứ hai, và đó là thứ mà đấu trường không thể định giá. Thêm một nhà cung cấp giọng nói thứ hai đồng nghĩa với một tài khoản mới, một bảng giá mới, một kiểu lỗi mới và một thứ mới phải theo dõi. Với một đội ngũ đã nằm trong hệ sinh thái OpenAI, đó là thời gian kỹ thuật thực sự, và 216 điểm Elo không đủ để trả cho khoản đó.

Khối lượng ở mức thấp là trường hợp thứ ba. Với 30 đô la cho mỗi triệu ký tự, toàn bộ hóa đơn thoại hằng tháng của một sản phẩm nhỏ chỉ là một sai số làm tròn, và không có gì để tối ưu. Đây là chế độ mà câu trả lời rẻ và câu trả lời lười biếng là cùng một câu trả lời, và điều đó ổn.

Lập luận ủng hộ việc di chuyển, và lập luận phản bác lại điều đó

Hãy chuyển khi giọng nói hướng tới khách hàng. Nhân bản trong mười giây, chỉ dẫn diễn xuất ngay trong văn bản, hơn 90 ngôn ngữ và giới hạn đầu vào 10.000 ký tự mỗi yêu cầu không phải là những khác biệt bề ngoài so với bộ chín giọng nói cố định từ năm 2023, và khoảng cách 216 điểm trên đấu trường chỉ là phiên bản cô đọng của một khoảng cách năng lực lớn hơn nhiều. Nếu bạn đang xây dựng một agent, một trợ lý mang thương hiệu hay bất cứ thứ gì mà ở đó người nghe hình thành ý kiến về sản phẩm của bạn ngay từ câu đầu tiên, thì endpoint cũ là mặc định sai.

Lập luận phản bác là “chuyển sang Eleven v4” không phải là nước đi duy nhất. OpenAI kể từ đó đã phát hành một mô hình TTS mới hơn với tham số hướng dẫn có thể điều khiển, còn Gemini 3.8 Flash TTS của Google đứng thứ ba trên cùng bảng xếp hạng với 1.267 điểm và mức $16,49 chuẩn hóa cho mỗi triệu — tăng 163 điểm so với TTS-1 HD với mức giá chỉ bằng khoảng một nửa giá trên bảng. Nếu ràng buộc của bạn là phải ở trong nhà cung cấp hiện tại, thì đó là bản nâng cấp rẻ hơn. Nếu ràng buộc là phải ở trong đám mây hiện tại của bạn, thì đó là lựa chọn duy nhất.

OrcaRouter thực sự nằm ở đâu trong so sánh này

This is the rare article in this series where we host one of the two models, so let us be precise about which. openai/tts-1-hd is live in the OrcaRouter catalogue at OpenAI's list rate passed through at 0% markup: $30 per million, model ID openai/tts-1-hd, served on the OpenAI-compatible endpoint at https://api.orcarouter.ai/v1 with a POST /v1/audio/speech route and the voice, speed and response_format parameters. Our own page reports a median latency of 2,461 ms and a 95th percentile of 4,769 ms, which is the honest reason not to put it in front of a live conversation — that is a batch-shaped number, not an agent-shaped one.

ElevenLabs Eleven v4 không có trong danh mục của chúng tôi, và không có gì để gọi qua chúng tôi: nó được truy cập qua API riêng của ElevenLabs theo bảng giá riêng của ElevenLabs. Điều mà một khóa duy nhất thay đổi là hình dạng của việc di chuyển. Nếu lý do bạn chưa thử nghiệm nhà dẫn đầu mới là vì nó đồng nghĩa với việc tích hợp nhà cung cấp thứ hai, thì chi phí để tìm hiểu chỉ là một lệnh gọi API bằng khóa bạn đã có sẵn thay vì một chu kỳ mua sắm. Giá niêm yết của nhà cung cấp được chuyển qua với mức markup 0%, vì vậy việc nhà cung cấp đổi giá — bao gồm cả việc ElevenLabs hoàn nguyên ngày 12 tháng 10 — sẽ được cập nhật trực tiếp ở phía chúng tôi ngay ngày nó xảy ra, và chuyển đổi dự phòng tự động nghĩa là một đường thoại đang được đánh giá không cần phải trở thành phụ thuộc production trong khi bạn quyết định.

Số học đáng lẽ phải giải quyết được điều đó

Năm triệu ký tự mỗi tháng, tức là một sản phẩm quy mô trung bình và tương đương khoảng 100 giờ thoại. TTS-1 HD có giá 150 đô la. Eleven v4 có giá 110 đô la trong thời gian khuyến mãi và 400 đô la sau ngày 12 tháng 10. Gemini 3.8 Flash TTS, theo cách chuẩn hóa của hội đồng quản trị, tốn khoảng 82,50 đô la.

Đọc lại bốn con số đó, và quyết định tách bạch rõ ràng. Trong khoảng thời gian đó, mô hình mới nhất và được xếp hạng cao nhất trên bảng cũng là lựa chọn rẻ thứ hai — rẻ hơn endpoint năm 2023 mà nó vượt qua tới 216 điểm Elo. Sau ngày 12 tháng 10, nó là lựa chọn đắt nhất trong danh sách, đắt gấp gần năm lần. Không có gì ở các mô hình thay đổi vào ngày đó; chỉ có hóa đơn là thay đổi.

Vậy: nếu bạn đang đánh giá trong tháng này, hãy đánh giá với mức giá khuyến mãi và ghi mức giá niêm yết vào hồ sơ kinh doanh. Nếu bạn sẽ triển khai vào quý tới, hãy lập kế hoạch từ $0.08 mỗi 1.000 ký tự và coi mọi so sánh trích dẫn $0.022 như một tài liệu có ngày hết hạn in trên đó. Và nếu bạn đang dùng TTS-1 HD và lý do thật sự là quán tính tích hợp, thì bước đầu tiên hữu ích không phải là một kế hoạch di chuyển — mà là một phép A/B duy nhất trên chính script của bạn, với mức giá bạn thực sự sẽ trả vào tháng 11.