Eleven v4 对比 Sesame Preview：这并不是你所想的那种比较

搜索 ElevenLabs Eleven v4与 Sesame Preview的对比，会翻出大量乐于把它们塞进一张表格里的页面。几乎所有这些页面都在把一个产品、一个基准拿来和一个演示作比较，而表格恰恰是页面上最没用的东西。Eleven v4 是一个已正式商用的语音合成模型，配有 API、价格表和公开的竞技场排名。Sesame Preview 则是一个免费的消费级语音助手，点一下链接它就会应答。它们并不是同一笔采购里的两个选项，而本文诚实的版本要谈的是你真正想要的是哪一个——因为答案取决于一个两家厂商的营销页面都没有提出的问题。

Eleven v4 实际上是什么

ElevenLabs 于 9 月 28 日发布 Eleven v4 和 Eleven v4 Turbo，作为生产端点。Eleven v4 支持 90 多种语言，每次请求上限为 10,000 个字符，支持说话人身份稳定的多说话人对话、内联表达指令、改进的 IPA 音素支持，并可从十秒音频进行即时语音克隆。它在 Artificial Analysis 的 Provider Voice Arena 上以 Elo 1,319 排名第一，该估计背后有 1,674 个样本，并在 Controlled Voice 榜单上以 1,157 排名第二。在 API 费率卡上，其标价为每千字符 0.022 美元，此促销持续至 10 月 12 日，之后恢复为 0.08 美元——与此前的 ElevenLabs Eleven v3 一直沿用的费率相同。

那段话的每一部分都可核查。有一个模型标识符、一项有文档记录的输入上限、一个公开发布的按字符计价的价格、一条针对旧版 Turbo 层级的弃用说明，以及一条附有置信区间的独立排行榜记录。这就是一个模型在可以买到时的样子。

Sesame Preview 究竟是什么

Sesame Preview 是一款面向消费者的演示产品。它是一个语音助手，你可以通过该公司自己的网站访问它，其中有一小群具名角色——Maya、Miles、Simone 和 Charlie——会话记忆可以在不同会话之间延续，还有网页搜索、笔记和提醒，以及通话后的摘要。它是免费的。登录会话大约持续半小时；访客会话大约五分钟。它仅支持英语。而且 Sesame 明确表示它不执行任务：这个演示的重点是对话的质感，而不是一个帮你预订会议的智能体。

对这次比较而言，关键之处在于那些缺失的东西。没有模型标识符，没有端点，没有价目表，没有可供你据此设计输入上限的输入限制，也没有公布生产模型的上线日期。Sesame 已发布的研究线是另一回事——一个具有 4K 上下文、开放权重的对话语音模型——而它并不是你在 Preview 中交谈的那个系统。所以，每个对比表里那个名为“Sesame Preview”的东西，是一个你无法与之集成的产品，而你能下载的东西并不是这个产品。

为什么他们不能共用一个记分牌

Artificial Analysis 上的受控语音竞技场，是该领域最接近中立衡量标准的东西，而 Sesame Preview 并不在其中。它也不在提供商语音榜上。没有 Elo，没有票数，没有价格标准化——也无法生成一项，因为排行榜需要一个可调用的端点和一个按单位计的价格，而 Sesame Preview 两者都没有。

所以，任何把这两者并排放在一起的表格，都是在用一次产品导览来填充 Sesame 那一栏。把每百万字符 80 美元的端点与免费网页演示在“自然度”上作比较，根本算不上比较；这是一种范畴错误，里面还带着一个 Elo 形状的洞。如果某个页面声称这场对决有了赢家，那它就是编造了这一说法的依据。

可以诚实地说，它们各自想成为什么，就是什么。Eleven v4 经过优化，能够通过 API 大规模地把脚本变成表演，而且每次都用同一种声音。Sesame Preview 经过优化，旨在让陌生人在浏览器标签页里，一次就感觉像是在和某个人交谈。

唯一真正具有可比性的地方

搜索背后有一个真正的问题，而它关乎开放权重。如果你真正想要的是一个可以自己下载并运行的语音模型，那么两家厂商的旗舰产品都不是答案——ElevenLabs 的技术栈是闭源的，而你能运行的 Sesame 系统是 4K 上下文的研究模型，并非那个助手。

对于这项工作，有用的参照点在竞技场排行榜上：Breeze TTS 2 是 Provider Voice 上排名最高的开放权重条目，Elo 为 1,206，价格为每百万字符 34.00 美元，而该榜单的 92 个模型中包含 16 个开放权重模型。它落后 Eleven v4 113 分，但远高于 Qwen3 TTS 系列（944 和 930）。如果你的项目需要在自己的硬件上运行，值得做的比较是 Eleven v4 与 Breeze TTS 2 的对比——而不是与浏览器演示对比——而且这里的取舍是真实存在的：你放弃大约一百个 Elo 分和音频标签工作流，换来对整个技术栈的控制。

选择时，考虑到每个的用途

• 如果你正在构建一款具备语音能力的产品——Eleven v4，通过 API 提供，并按价目表计费。Sesame Preview 没有任何可集成的部分，因此不在本次决策范围内。

• 如果你想用对话式演示向别人展示语音 AI 的体验——Sesame Preview，而且它是免费的，这正是它全部的说服力所在。

• 如果你是在决定选用哪家厂商之前评估情感范围，那么 Eleven v4 在厂商语音榜上的 Elo 1,319 和在克隆语音榜上的 1,157 就是要看的数字，但有一个前提：第二个数字对应的才是描述克隆品牌语音产品的那一个。

• 如果你需要英语以外的语音——Eleven v4 记录了 90 多种语言；Sesame Preview 仅支持英语，并且它自己也这么说明。

• 如果你需要模型真正去做点什么——在这场对比中，两者都不行。Sesame Preview 刻意不执行任务，而 Eleven v4 是一个合成引擎，需要你围绕它自建整套技术栈。

• 如果你需要在本地运行它——两者都不用。Breeze TTS 2 是开放权重的参考基准。

• 如果成本是决定性因素——Eleven v4 在10月12日之前每千字符收费0.022美元，之后为0.08美元，而Sesame Preview是免费的，因为它不是可以购买的产品。免费演示不是更便宜的选择；它是另一个类别。

两者唯一的共同点，是一个日期问题。Eleven v4 的促销定价将于 10 月 12 日到期，这会让其成本变动近四倍。而 Sesame 则根本没有给出正式版的日期，这是另一种不确定性——Preview 可能下个月就被取代，也可能一整年毫无变化，而面对一场没人排期的发布，根本无从规划。

如果你的技术栈最终涉及多个语音供应商

OrcaRouter 既不托管 ElevenLabs，也不托管 Sesame，因此本文没有任何内容可以经由我们调用，我们也不会暗示并非如此。我们真正要讲的是已经处于多供应商状态的技术栈之上的那一层。一个 API 密钥即可触达 200 多个模型，供应商目录价以 0% 加价原样透传，因此上游一调价——本次发布的促销窗口就是一个现成例子——当天就会落到我们这边，而不会等到下一张账单。在语音链路面向客户之处，当某条上游链路质量下降时，自动故障转移会将流量切换到健康的上游，这样你就能在真实流量上试听一个新端点，而不必拿一次发布去赌它。

要点总结

Eleven v4 是一个你可以购买、衡量并依赖的模型，目前它正以为期两周的降价位居厂商语音排行榜榜首。Sesame Preview 是一个免费的对话感实验，仅支持英语，时长上限为三十分钟，并且不是你可以作为基础来构建的东西。它们会出现在同一搜索结果中，是因为两者都是语音 AI，而且都是新事物——而不是因为其中任何一个是另一个的替代品。

如果你来这里是为了在它们之间做选择，那么更有用的重新框定是这样的：你不是在选择一个语音模型。你是在决定自己究竟是在发布产品，还是在做一个演示，而这两个决定中只有一个附带价目表。如果是产品，那就读一读 Eleven v4 的数字，并在 10 月 13 日再读一遍——那时促销费率将到期，与榜单上其他所有供应商的对比也会随之改变。