ElevenLabs تطلق Eleven v4 باستنساخ الصوت في 10 ثوان وبأكثر من 90 لغة
أطلقت ElevenLabs نموذج Eleven v4 الذي تصفه بأنه أكثر نماذجها لتحويل النص إلى كلام تعبيرا عن المشاعر، ومعه v4 Turbo، وهو نسخة سريعة لوكلاء الصوت. ويستنسخ النموذج الصوت من تسجيل مدته 10 ثوان، ويحافظ على الهوية نفسها حين يتحدث ذلك الصوت لغات أخرى.
أطلقت ElevenLabs في 28 سبتمبر 2026 نموذجها الجديد لتحويل النص إلى كلام (Text-to-Speech) Eleven v4، ونسخة منخفضة زمن الاستجابة باسم v4 Turbo. وتصف الشركة v4 بأنه أكثر نماذجها تعبيرا عن المشاعر حتى الآن، وتقول إنه مبني على بنية جديدة كليا. والنموذجان متاحان الآن في ElevenAgents وElevenCreative وعبر الواجهة البرمجية (API).
ما الذي يقدمه Eleven v4
يستنتج النموذج النبرة والإيقاع والعاطفة من سياق النص. ويمكن أيضا وصف طريقة الأداء بلغة عادية أو بوسوم مضمّنة مثل [laughs] و[whispers] و[light rain] و[phone buzzing]. وبحسب الشركة، يتبع v4 هذه الوسوم بدقة أكبر من النماذج السابقة. وفي الحوار متعدد المتحدثين يقرأ المشهد كاملا، فيتفاعل المتحدثون مع ما قيل للتو. وارتفع حجم النص الذي يعالجه طلب واحد من 5,000 إلى 10,000 حرف، أي نحو 10 دقائق من الصوت. وزادت اللغات المدعومة من أكثر من 70 إلى أكثر من 90، والتركية مدرجة في القائمة ضمن التوثيق.
استنساخ الصوت من 10 ثوان
صار ممكنا الآن إنشاء نسخ صوتية فورية من 10 ثوان من الصوت. كما عاد الاستنساخ الاحترافي للصوت، الذي لم يكن v3 يدعمه. وأبرز ميزة هي ثبات الهوية عبر اللغات: فالصوت المسجل بلغة ما يتحدث لغة أخرى كأنه من أهلها مع الاحتفاظ بطابعه نفسه. وبحسب الشركة، لم يعد الصوت ينجرف عائدا نحو لكنة مصدره. أما v4 Turbo فمصمم لوكلاء الصوت، وتقول ElevenLabs إن الزمن الوسيط من الطلب إلى سماع الكلام يبلغ نحو 150 ملّي ثانية. وحين يغيّر المتصل لغته في منتصف المكالمة، يستطيع الوكيل المتابعة بالصوت نفسه.
بالنسبة إلى الشركات التي تنتج مسارات مراكز الاتصال أو فيديوهات التدريب أو المحتوى متعدد اللغات، يسهّل ذلك النشر بلغات عديدة بهوية صوتية واحدة. ويعمل النموذج في السحابة، والأسعار المحدّثة متاحة على موقع ElevenLabs.
وتتغير مع v4 بعض العادات القديمة: فقد عُطّلت وسوم SSML، وتُستخدم للتوقفات وسوم طبيعية مثل [pause]. والنسخ الصوتية المصنوعة قبل v4 تحتاج إلى إعادة تدريب كي تعمل جيدا. وتكتب ElevenLabs أن كل استنساخ صوتي يتطلب موافقة موثقة من صاحب الصوت، وأن الصوت المولَّد يمكن كشف أنه من صنع الذكاء الاصطناعي. كما أن القدرة على استنساخ صوت من تسجيل قصير ترفع خطر المكالمات المزيفة والاحتيال، لذا لا ينبغي للشركات أن تعتمد على الصوت وحده في التحقق عبر الهاتف. ولتقييم ادعاءات الترتيب وتفضيل المستمعين، تجدر متابعة المقارنات التي يجريها باحثون مستقلون.
المصادر: ElevenLabs: تقديم Eleven v4، وElevenLabs: Eleven v4 Turbo في ElevenAgents، وElevenLabs: توثيق النماذج.
