ElevenLabs lansează modelele vocale v4 și v4 Turbo - clonare de voce din 10 secunde și suport extins la peste 90 de limbi

ElevenLabs își împinge oferta pentru companii cu v4 și v4 Turbo, reducând latența și accelerând clonarea vocală , într-un moment în care peste 55% din veniturile sale provin deja de la clienți enterprise, potrivit IT Home . Compania a lansat oficial, luni (ora locală), două noi modele de voce: ElevenLabs v4 și v4 Turbo. Noua generație folosește o arhitectură diferită față de v3 (lansat anul trecut) și urmărește două obiective operaționale: control mai fin al expresiei emoționale și timpi de răspuns mai mici pentru „agenți vocali” (sisteme care poartă conversații automate la telefon sau în aplicații). Ce se schimbă pentru utilizarea în producție: latență mai mică și „clonare” mai rapidă IT Home notează că v4 este gândit să se potrivească mai bine scenariilor de tip voice agent, unde întârzierea (latența) afectează direct calitatea conversației. Un detaliu tehnic cu impact practic: modelul poate începe să genereze audio în paralel cu momentul în care modelul lingvistic din spate abia începe să producă răspunsul, ceea ce ar trebui să facă dialogul mai fluid. Pe partea de clonare vocală, compania susține că, folosind v4, utilizatorii pot realiza clonarea vocii cu doar 10 secunde de material audio. Suport lingvistic extins și control mai granular al „emoțiilor” Noile modele ajung la suport pentru „peste 90” de limbi, față de 70 în versiunea veche, după optimizări. Startup-ul afirmă că cele mai vizibile îmbunătățiri de calitate la sinteză sunt pentru japoneză, portugheză braziliană, mandarină și cantoneză. În plus, v4 extinde mecanismul de etichete (tag-uri) introdus în v3 pentru setarea emoțiilor: utilizatorii pot suprapune mai multe etichete, iar modelul le execută în ordinea aplicării. Pentru citirea textelor lungi, modelul ar menține mai bine timbrul vorbitorului și ar ține cont de contextul dinainte și după, ajustând tonul pe parcurs. Context de business: creștere rapidă și presiune pe scalare ElevenLabs a accelerat puternic pe zona de apeluri vocale pentru companii, iar în prezent peste 55% din venituri vin de la întreprinderi mari, conform aceleiași surse. IT Home mai menționează că: ElevenLabs a atras 500 milioane dolari (aprox. 2,2 miliarde lei) de la Sequoia, la o evaluare post-investiție de 11 miliarde dolari (aprox. 48,4 miliarde lei); există zvonuri privind o nouă rundă de finanțare, cu o țintă de evaluare de 22 miliarde dolari (aprox. 96,8 miliarde lei); rata anualizată a veniturilor ar fi urcat de la circa 330 milioane dolari (aprox. 1,45 miliarde lei) la peste 600 milioane dolari (aprox. 2,64 miliarde lei); compania recrutează în India, Europa și Brazilia, iar numărul de angajați a depășit 800. Într-un interviu recent pentru TechCrunch (citat de IT Home), CEO-ul și cofondatorul Mati Staniszewski a spus că firma plănuiește un IPO „în următorii câțiva ani”, fără un calendar precis. [...]