AI Product | Igor Akimov

@ai_product · ai · Russian · active

Subscribers 8.3K tracking since 26 Oct
Reach per post (ERR) 35.0%2.9K avg views
Posting 1.1/day last 7 hours ago
Reactions per 1K views 6.7 🔥 👍 ❤
viral · 4.1× typical

ElevenLabs смотрел-смотрел, как обходят конкуренты, и выкатил Eleven v4 Сразу в топ Artificial Analysis Новая архитектура – модель читает сценарий «как актёр озвучки»: понимает, кто говорит, что только что произошло и с какой интонацией подать реплику. Языков стало 90+ (у v3 было 70+). Бенчмарки Artificial Analysis: – Provider Voice Arena – #1 с Elo 1319, лучше Cartesia Sonic 3.6 (1276) и Gemini 3.8 Flash TTS (1267). Первое место во всех четырёх категориях: саппорт, ассистенты, обучение, развлечения. Если что это все английский, остальные языки самим тестировать надо. – Controlled Voice (все модели говорят одним и тем же кастомным голосом) – #2 с 1157, уступает только Qwen-Audio-3.1-TTS-Plus от Alibaba. Короче, голоса у elevenlabs лучше, а вот стандартный голос может чуть уступать. – Pronunciation Robustness – 91.7%, лучший результат, который AA вообще намеряли. Gemini 3.8 Flash TTS – 89.5%, v3 – 85.6% – скорость – 73.4 символа в секунду против 42.5 у v3. Что внутри: – теги вроде [laughs], [whispers], [door slams] прямо в тексте, v4 слушается их лучше, чем v3 – context stitching – длинный текст (хоть аудиокнига) без швов по темпу и подаче – перегенерация фразы хоть 50 раз – голос не «плывёт» – вернули Professional Voice Clone, которого не было в v3 v4 Turbo – для реалтайма и агентов: ~150 мс до первого звука (у Sonic 3.6 – 262 мс, у GPT-4o mini TTS – 814 мс, но это замеры самих ElevenLabs) и двунаправленный стриминг – звук идёт ещё до того, как LLM допишет предложение. Но если что конкуренты быстрее. 75-150 мс дают основные топовые модельки. А теперь про деньги: $80 за 1M символов. Дешевле, чем 3 версия. Sonic 3.6 – $49, Gemini 3.8 Flash TTS – $16.49. То есть Google в 5 раз дешевле и отстаёт всего на 52 пункта Elo. Inworld в 4 раза дешевле, Grok, Soniox - еще дешевле. Короче, по качеству и произношению – топ, для аудиокниг и брендового голоса норм. Рекламы всякой, озвучки фильмов. А вот для колл-центра на миллионы минут я бы сначала посчитал юнит-экономику на Gemini, InWorld, Grok, Cartesia – разница в 5-10 раз по цене быстро съедает разницу в качестве. https://elevenlabs.io/v4

Views over time

05K10K28 Sep 15:5326 Oct 23:429.9K28 Sep 15:53: 0 views26 Oct 23:42: 9,900 views
Snapshots we took after posting.
WhenViews
28 Sep 2026, 15:530
26 Oct 2026, 23:429.9K

Who shared this post

Posts in other channels we index that link to this one. (Forwards with a hidden source can't be traced.)