据TechCrunch报道，语音技术公司ElevenLabs于9月28日（周一）推出ElevenLabs v4和v4 Turbo两款语音模型。新模型支持90多种语言，增强了表达控制，并降低了语音代理的延迟。该公司去年发布v3，并在今年早些时候于华沙的一场活动上预告了新一代模型。

v4采用新架构，ElevenLabs称其可实现更好的控制和更快的语音克隆。用户只需10秒音频即可克隆声音。在创意用途上，模型在处理较长文本时能更好保持声音身份，并在朗读时结合文本语境改变表达方式。v3引入的内联标签在v4中得到扩展，用户可以叠加多个标签，让模型按序列执行。

语言支持从上一版的70种提升至90多种。ElevenLabs称，日语、巴西葡萄牙语、普通话和粤语的质量提升最明显。

在企业通话业务方面，ElevenLabs过去一年快速扩张，超过55%的业务来自大型企业。公司表示，新模型适合语音代理，因为延迟更低，对话更流畅；v4还能在后端大语言模型开始生成答案时即开始生成音频。此外，模型可针对对抗、升级和等待等场景采取不同处理方式，以改善问题解决。

语音模型竞争正在升温。Cartesia、Deepgram、Fish Audio、Boson和WellSaid Labs等初创公司已推出富有表现力的语音模型，谷歌和OpenAI等大公司也在改进语音模型。

资金与经营层面，ElevenLabs今年早些时候从红杉资本融资5亿美元，该轮由红杉资本领投，公司估值110亿美元。已有传闻称其后续融资将把估值推高至220亿美元。公司年化收入运行率从今年年初约3.3亿美元升至超过6亿美元。随着在印度、欧洲和巴西等市场积极招聘，员工人数已超过800人。公司联合创始人兼首席执行官Mati Staniszewski最近接受TechCrunch采访时表示，公司目标是在“未来几年内”上市，但没有承诺具体时间表。