Yapay zeka destekli gelişmiş ses teknolojileri pazarının öncülerinden ElevenLabs, bugüne kadarki en duygu odaklı ve gelişmiş metinden sese modelleri olan Eleven v4 ve Eleven v4 Turbo‘yu resmi olarak duyurdu. Yapay zeka ve teknoloji dünyasında büyük yankı uyandıran bu yeni modeller, ses klonlama sürelerini 10 saniyeye indirirken 90’dan fazla dil desteğiyle küresel ölçekte rekabeti kızıştırıyor.
Tamamen yenilenmiş bir mimari üzerine inşa edilen Eleven v4, tonlama, konuşma temposu, duygu, karakter ve bağlamı metinden kusursuz bir şekilde yorumlayarak insan kulağına en doğal gelen sesleri üretmeyi hedefliyor. Uzun metinlerde konuşmacının ses kimliğini tutarlı bir şekilde koruyan model, dramatik, acil, komik ya da günlük konuşma tarzı gibi pek çok farklı anlatım biçimini başarıyla yansıtabiliyor.
Ses Üretiminde Benzersiz Kontrol ve 10 Saniyede Klonlama
Kullanıcıların seslendirme üzerindeki hakimiyetini artıran Eleven v4, satır içi ses etiketleri sistemini bir üst seviyeye taşıyor. Birden fazla etiketin aynı komutta bir araya getirilmesine olanak tanıyan yapı; kahkaha, öfkeli konuşma, belirli aksanlar ve hatta hafif yağmur ya da telefon titreşimi gibi çevresel seslerin doğal dille metne eklenmesine imkan tanıyor. Ayrıca özel kelimeler için International Phonetic Alphabet (IPA) desteği de güçlendirildi.
Yapay zeka asistanı ve içerik üreticileri için en dikkat çekici yenilik ise ses klonlama tarafında yaşandı. Eleven v4, yalnızca 10 saniyelik bir ses kaydından bir kişinin sesini yüksek doğrulukla klonlayabiliyor. Şirket ayrıca, önceki sürümde yer almayan popüler Professional Voice Clone özelliğini de bu yeni aileyle birlikte yeniden kullanıcıların hizmetine sundu.
Eleven v4 Turbo ile Gerçek Zamanlı Sesli Asistan Dönemi
Şirketin tanıttığı ikinci model olan Eleven v4 Turbo; çağrı merkezleri, müşteri hizmetleri ve sesli yapay zeka ajanları gibi düşük gecikme süresinin kritik olduğu alanlara odaklanıyor. Çift yönlü streaming desteği sayesinde model, bir cümle tamamen oluşturulmadan ses üretmeye başlayabiliyor.
Test verilerine göre Eleven v4 Turbo, ilk sesi üretmeye başlama süresinde yaklaşık 150 milisaniyelik bir medyan değere sahipken, medyan çıkarım gecikmesi ise 100 milisaniye civarında ölçülüyor. Bu performans, karşılıklı konuşmaların son derece akıcı ve doğal bir şekilde gerçekleşmesini sağlıyor.
90’dan Fazla Dil Desteği ve Rekabetçi Fiyatlandırma
Yaklaşık 70 dili destekleyen önceki sürümün ardından Eleven v4, 90’dan fazla dili destekler hale geldi. Özellikle Japonca, Brezilya Portekizcesi, Mandarin ve Kantonca dillerinde ciddi kalite artışları sağlanırken, bir dilde oluşturulan ses klonlarının farklı dillerde konuşurken de yerel aksanı koruyabilmesi büyük bir mühendislik başarısı olarak öne çıkıyor.
Tek seferde 10 bin karaktere kadar içerik üretebilen Eleven v4; sesli kitaplar, podcast’ler ve reklam projeleri için ideal bir çözüm sunuyor. ElevenAgents, ElevenCreative ve ElevenAPI üzerinden erişilebilen yeni modeller, ücretsiz hesaplarla da denenebiliyor. Ücretsiz planda aylık 10 bin kredi sunulurken, ücretli paketler 6 dolardan başlıyor.
Sequoia liderliğinde aldığı yatırımlarla değerlemesini 11 milyar dolara çıkaran ve yıllıklandırılmış geliri 600 milyon doları aşan ElevenLabs; Cartesia, Deepgram, Fish Audio, OpenAI ve Google gibi dev rakiplerin bulunduğu yapay zeka ses pazarındaki liderlik iddiasını Eleven v4 ile bir kez daha kanıtlıyor.
Yorumlar (0)