Eleven v4 的 Audio Tags 與十秒複製：你的流程會有什麼改變

關於 ElevenLabs Eleven v4，最關鍵的一點不是它的 Elo。而是這個模型能讀懂寫入腳本中的指示——[笑聲]、[低語]、[嘆息]、[以法國口音憤怒地說]，甚至[小雨聲]——而且ElevenLabs Eleven v4 Turbo，這個同日推出的低延遲同系列版本，也會遵循同樣的標籤，供應商稱其首次語音輸出的中位時間約為 150 毫秒。兩者均於 2026 年 9 月 28 日正式推出。Artificial Analysis' Provider Voice Arena 已將 Eleven v4 列為第 1 名，Elo 為 1,319，出現次數為 1,674 次，榜單價格為每百萬字元 80.00 美元。排名是頭條新聞。指示語法與十秒聲音複製，才是改變你必須打造什麼的部分。

兩款模型，一次發布，各司其職

ElevenLabs 於 2026 年 9 月 28 日推出了兩個端點，而它們並不是同一款產品加上速度切換而已。ElevenLabs Eleven v4 是富有表現力的模型：支援 90 多種語言、每次請求上限 10,000 字元、針對自訂發音改良的國際音標支援，以及公司表示能在整個場景中保持說話者身分一致的多說話者對話。ElevenLabs Eleven v4 Turbo 保留了 90 多種語言與 10,000 字元上限，但針對代理調校——公告引述中位推論延遲約 100 毫秒，以及中位首次語音時間約 150 毫秒，這些數據由 ElevenLabs 於 2026 年 9 月測量。

這個反應性問題——旗艦模型是否快到足以支援電話代理——並沒有公開答案。ElevenLabs 提供的是 Turbo 的延遲數據，而非 Eleven v4 本身；而且這兩者是不同的端點，並不是同一個模型掛上兩個名稱。如果你的代理預算是在 200 ms 內取得首個音訊，那麼文件記載的端點是 Turbo，而不是旗艦模型。

這些標籤是真正的介面，也是真正的相依性

行內音訊標籤對語音合成而言並非新鮮事，但這裡有用的改變在於遵循的準確度。公告指出，Eleven v4 比先前的模型更精確地遵循音訊標籤與自然語言指示提示，而這正是你能指示笑聲、耳語，或以特定口音呈現某段內容，而不必事後編輯音訊的方式。

隨之而來的有三個實際後果，而它們比那些示範短片更重要：

• 你的腳本會變成一件範本化的產物，而不是一個字串。標籤是你內容管線中的一個 token：若有任何不受信任的文字經過，它就需要轉義，而且它必須能安然通過你的 CMS、你的翻譯層與你的差異審閱。一個漏掉［低語］的譯者，已經在無聲無息中改變了一場演出。

• 標籤遵循度是附帶版本號的廠商宣稱。這一世代比上一世代更遵循標籤的說法，是 ElevenLabs 自家的主張，由 ElevenLabs 自行測試，而且不會在所有語言中都同樣成立。在據此建立風格指南之前，請用你自己的腳本和你自己的語言地區設定來驗證。

• 像[小雨]或[手機震動]這類音效標籤，會把音訊後製的部分工作移進文字提示裡。這是一項值得衡量的成本移轉：如果一個標籤取代了一道擬音（foley）工序，那它就很划算；如果它什麼都沒取代、只是徒增變異，那它就是你的 QA 裡的一種新失效模式。

十秒，是改變入職流程的關鍵數字

本次發行中的 Instant Voice Cloning 能從十秒音訊中以高保真度擷取嗓音，而專業克隆層級仍在其上提供。十秒短到足以壓縮一道工作流程步驟：取得同意、上傳樣本與首次合成可以在一次坐定內完成，用手機就行，無需錄音室。

同意問題不會因為樣本變小而跟著縮小，反而會擴大，因為製作逼真克隆的門檻已降到任何人都能錄下的一段音訊。如果你正在克隆不屬於自己的聲音，合規問題現在完全得由你在 API 呼叫之前自行回答——模型會照你的要求去做。請把「十秒」這個數字視為操作門檻，而不是一張許可證。

在視窗開啟期間的費用是多少

ElevenLabs 在推出時重新調整了價格，而目前頁面上顯示的就是促銷價。在 API 定價表中，Eleven v4 標價為每 1,000 個字元 $0.022，相對於標示的原價 $0.08；Eleven v4 Turbo 則為 $0.011，相對於 $0.04。兩者都帶有相同的標籤：10 月 12 日前享 72% 折扣。同一頁面將前一代旗艦產品 Eleven v3 定價為每 1,000 個字元 $0.08。

• 排行榜上的價格，每百萬字元——Eleven v4 為 $80.00，是該排行榜前十名中最高的。

• 廠商價目表，每千個字元 — $0.022，直到10月12日，之後為 $0.08。

• 這在實務上意味著什麼——以腳本用量繁重的月份來說，五百萬個字元在優惠期間內花費 110 美元，優惠結束後則要 400 美元，而且使用的是同一個端點與同一份程式碼。

任何以今天頁面上的數字來編列第一季預算的人，都是在依據一個兩週後就會失效的數字。請使用 $0.08。

在這樣的發布會中，路由器如何贏得一席之地

OrcaRouter 並不代管 ElevenLabs，所以這次發布中沒有任何東西可以透過我們呼叫，我們也不會暗示並非如此——要呼叫 Eleven v4，該去的地方就是 ElevenLabs 自家的 API。在發布後的兩週內，單一金鑰真正有用的地方在於比較。如果你正在判斷這個新旗艦是否勝過你目前使用的方案，你會想在自己的腳本上對兩者做 A/B 測試，而不是在排行榜上；而要橫跨兩家供應商這麼做，就意味著在你得到答案之前，得先有兩個帳號、兩套帳務關係和兩條整合路徑。

這正是我們處理的情況：一組 API 金鑰即可橫跨 200 多款模型，並將供應商定價以0% 加成直接傳遞，因此供應商的價格變動——包括附有到期日的促銷期間——會在我們這邊當天生效，而不是等到下一個帳單週期。當語音路徑需要面向客戶時，自動容錯移轉會在某個端點效能衰退時將流量移至健全的上游，這就是你試用全新模型、又不必把發布賭在它身上的方式。

先測試什麼，以及要忽略什麼

三項檢查會比任何排名告訴你更多。首先，把你最長的真實腳本丟進一萬字元的上限，看看接縫落在哪裡——上限是每次請求計算的，而多說話者的對話正是最可能被它切開的功能。第二，把你自己的五句帶標籤的句子分別放進 v4 和 v4 Turbo，聽聽表達型端點與低延遲端點之間的標籤遵循度漂移；它們是各自獨立的模型，在一個模型上生效的標籤，未必會在另一個模型上以完全相同的方式生效。第三，用 $0.08 而不是 $0.022 來計算你實際的每月字元量，因為那才是你下一季據以運作的數字。

公告中那個約 75% 的盲測偏好數字是廠商自行測量的結果，我們不會把它洗白成別的東西。這次發表會上真正獨立的數字，是排行榜上的那一個：以 1,674 次出賽、1,319 Elo 拿下第一名，而誤差區間大約是正負 19 分。在真實的排行榜上，這是個很強的成績。它不是規格，也不會告訴你你的標籤語法能不能撐過一輪翻譯。