Eleven v4 與 Sesame Preview：這不是你想的那種比較

搜尋ElevenLabs Eleven v4與Sesame Preview的比較，會找到大量樂於把兩者放進表格的頁面。這些頁面幾乎全都在拿產品比基準、再拿基準比示範，而表格往往是頁面上最沒用的東西。Eleven v4 是正式推出、具備 API、費率表與已公布競技場排名的語音合成模型。Sesame Preview 則是免費的消費級語音助理，點一下連結就會回應。它們不是同一筆採購的兩個選項；這篇文章誠實的版本，要談的是你真正想要的究竟是哪一個——因為答案取決於一個兩家廠商的行銷頁面都沒問的問題。

Eleven v4 究竟是什麼

ElevenLabs 於 9 月 28 日推出 Eleven v4 與 Eleven v4 Turbo，作為正式環境端點。Eleven v4 支援 90 多種語言、每次請求上限 10,000 個字元、具備穩定說話者身分的多人對話、行內表達指令、更完善的 IPA 音素支援，以及只需十秒音訊即可完成的即時語音複製。它在 Artificial Analysis 的 Provider Voice Arena 以 Elo 1,319 排名第一，該估計背後有 1,674 個樣本，並在 Controlled Voice 排行榜以 1,157 位居第二。在 API 費率表上，其定價為每千字元 0.022 美元，此優惠促銷將於 10 月 12 日結束，之後回復為 0.08 美元——與先前的 ElevenLabs Eleven v3 相同費率。

那段文字的每一個部分都可以查證。有模型識別碼、有明文記載的輸入上限、有公開的每字元價格、有針對較舊 Turbo 層級的淘汰說明，還有一筆附帶信賴區間的獨立排行榜紀錄。這才是模型在你買得到的時候該有的樣子。

Sesame Preview 究竟是什麼

Sesame Preview 是一項消費級示範。它是可透過該公司自家網站存取的語音助理，內含一小群具名角色——Maya、Miles、Simone 和 Charlie——跨越工作階段保留的對話記憶、網路搜尋、筆記與提醒，以及通話後的摘要。它是免費的。已登入的工作階段約進行半小時；訪客工作階段約五分鐘。它僅支援英文。而且 Sesame 明白表示它不會執行任務：這項示範的重點在於對話的質感，而不是一個能替你預約會議的代理。

這個比較真正重要的是缺少了什麼。沒有模型識別碼、沒有端點、沒有費率表、沒有可供你據以設計的輸入限制，也沒有正式版模型的公布日期。Sesame 發表的研究產品線是另一回事——那是個具備 4K 上下文的開放權重對話語音模型——而且那並不是你在 Preview 中與之交談的同一個系統。所以，每個比較表上名為「Sesame Preview」的東西，是你無法整合的產品，而你能下載的東西並不是那個產品。

為什麼他們不能共用一個計分板？

在 Artificial Analysis 上的受控語音競技場，是這個領域最接近中立測量的東西，而 Sesame Preview 並不在其中。它也不在供應商語音排行榜上。沒有 Elo，沒有票數，沒有價格標準化——也沒有辦法產生一個，因為排行榜需要可呼叫的端點和每單位價格，而 Sesame Preview 兩者都沒有。

所以任何把這兩者並排放在同一張表裡的，都是在用一場產品導覽來填 Sesame 那一欄。拿一個每百萬字元 $80 的端點，去和一個免費的網頁示範比「自然度」，這根本不是比較；這是一種範疇錯誤，而且上頭還留著一個 Elo 形狀的洞。如果某個頁面在這場對決中宣稱有贏家，那它是在為這項主張憑空發明依據。

老實說，能說的就是它們各自想成為的樣子。Eleven v4 的最佳化目標，是透過 API 大規模地把腳本變成演出，而且每次都用同樣的聲音。Sesame Preview 的最佳化目標，是讓陌生人在瀏覽器分頁裡，感覺自己正在跟某個人交談——就那麼一次。

比較真正成立的唯一地方

在這次搜尋背後，有一個真正的問題，而它跟開放權重有關。如果你真正想要的是一個可以下載並自行執行的語音模型，那麼兩家廠商的旗艦產品都不是答案——ElevenLabs 的技術堆疊是封閉的，而你能執行的 Sesame 系統是具備 4K 上下文的研究模型，不是那個助理。

對於那項工作，有用的參考基準就在競技場排行榜上：Breeze TTS 2 是 Provider Voice 上排名最高的開放權重項目，Elo 為 1,206，每百萬字元 $34.00，而該排行榜的 92 個模型陣容中就有 16 個開放權重模型。這比 Eleven v4 落後 113 分，但大幅領先 Qwen3 TTS 系列的 944 與 930。如果你的專案需要在自己的硬體上執行，值得做的比較是 Eleven v4 對上 Breeze TTS 2——而不是對上瀏覽器示範——而且那裡的取捨是真實的：你放棄大約一百分的 Elo 以及音訊標籤工作流程，換來的是對整個技術堆疊的掌控。

選擇，依據各自用途

• 如果你正在打造一款會說話的產品 —— Eleven v4，有 API，有費率表。Sesame Preview 沒有任何部分可供整合，因此不在這項決策的考慮範圍內。

• 如果你想用一個對話式示範讓別人感受語音 AI 是什麼感覺——Sesame Preview，而且它免費，這正是它最大的賣點。

• 如果你在決定採用某家廠商之前，正在評估情感表現範圍——Eleven v4 在供應商語音榜上的 Elo 為 1,319，在複製語音榜上為 1,157，這些才是該參考的數字；但要注意，後者才是描述複製品牌語音產品的數字。

• 如果你需要英文以外的語言語音——Eleven v4 記載了 90 多種；Sesame Preview 僅支援英文，且也如此說明。

• 如果你需要模型真正執行某些任務——在這場對比中，兩者都不行。Sesame Preview 刻意不執行任務，而 Eleven v4 是合成引擎，需要你自己的一套技術堆疊來搭配它。

• 如果你需要在本機執行——兩者皆非。Breeze TTS 2 才是開放權重的參考基準。

• 如果成本是決定性因素——Eleven v4 在 10 月 12 日之前每千字元是 $0.022，之後是 $0.08；而 Sesame Preview 是免費的，因為它不是你能購買的產品。免費試用版不是更便宜的選項；它是不同的類別。

兩者唯一的共同點是日期問題。Eleven v4 的促銷價格將於 10 月 12 日到期，這會讓其成本變成將近四倍。Sesame 則完全沒有公布正式版模型的日期，這是另一種不確定性——Preview 可能下個月就被取代，也可能一整年維持不變，而對於一個沒有人排定時程的發布，根本無從規劃。

如果你的技術堆疊最終橫跨多個語音供應商

OrcaRouter 本身既不代管 ElevenLabs，也不代管 Sesame，因此本文沒有任何內容是透過我們呼叫的，我們也不會暗示並非如此。我們真正涵蓋的，是早已屬於多供應商架構的堆疊之上那一層。一組 API 金鑰即可觸及 200 多款模型，並以 0% 加價直接傳遞供應商的定價列表，因此上游一旦調整價格——本次發布的促銷期間就是現成的例子——當天就會反映在我們這邊，而不是等到下一期帳單。在語音路徑面向客戶的情境下，當某個上游服務品質下降時，自動容錯切換會將流量導向健康的上游，這正是你可以在真實流量上試聽新端點，而不必拿一次正式發布來賭的原因。

重點摘要

Eleven v4 是一款你可以購買、衡量並依賴的模型，而且它目前正以兩週的降價位居供應商語音排行榜榜首。Sesame Preview 則是一項免費的對話感受實驗，僅支援英文，上限為三十分鐘，且不是你能用來開發應用的東西。它們會出現在同一組搜尋結果中，是因為兩者都是語音 AI，而且兩者都是新產品——而不是因為其中任何一個是另一個的替代方案。

如果你來到這裡，是想在它們之間做選擇，真正有用的重新思考角度是：你并不是在選一個語音模型。你是在決定自己是要推出產品，還是只是試用一個 demo，而這兩種決定中，只有一種會附帶價目表。如果是推出產品，那就去讀 Eleven v4 的數字，並在 10 月 13 日再讀一次——屆時促銷費率將到期，而與看板上其他所有供應商的比較也會隨之改變。