ElevenLabs oferă Text to Speech, Speech to Text (Scribe v2), clonare vocală, efecte sonore, muzică și Voice Isolator. Pe 28 septembrie 2026 au apărut Eleven v4 (eleven_v4, calitate maximă, limită de 10.000 de caractere) și Eleven v4 Turbo (eleven_v4_turbo, latență mică, pentru agenți). Ambele suportă peste 90 de limbi, inclusiv româna. Eleven v3 (70+ limbi) și Multilingual v2 (29 de limbi) sunt acum generația anterioară; Flash v2.5 rămâne modelul cu cea mai mică latență (aproximativ 75 ms).
Există două tipuri de clonare. Instant Voice Cloning folosește mostra audio ca semnal de condiționare, fără antrenare, și funcționează cu mai puțin de două minute de audio. Professional Voice Cloning face fine-tuning pe înregistrările tale; ElevenLabs recomandă aproximativ 30 de minute de audio de calitate, cere planul Creator sau mai mare și o verificare a vocii.
În Eleven v4 setările de voce sunt Stability și Similarity, plus Clone Strength pentru clonele PVC. Style și Speed nu sunt disponibile în v4, iar SSML nu este suportat. Livrarea se dirijează cu audio tags între paranteze drepte, de exemplu [whispering] sau [laughing]. Când generezi într-o altă limbă decât cea a vocii de referință, v4 produce vorbire fluentă în limba țintă, fără accentul vocii originale.
Concepte cheie și caracteristici
| Concept / Parametru | Descriere practică |
|---|---|
eleven_v4 |
Model principal, peste 90 de limbi, 10.000 de caractere pe cerere. |
eleven_v4_turbo |
Variantă cu latență mică pentru agenți și aplicații interactive. |
eleven_flash_v2_5 |
32 de limbi, aproximativ 75 ms latență, 40.000 de caractere. |
eleven_multilingual_v2 |
Generația anterioară, 29 de limbi; documentația îl descrie ca stabil pentru texte lungi. |
Stability / Similarity |
Stability: cât de constantă rămâne livrarea. Similarity: cât de aproape rămâne vocea de referință. |
Audio tags |
Indicații între paranteze drepte ([whispering], [shouting], [laughing]) pentru livrare. |
Exemple practice și scenarii reale
Exemplul 1: Text cu audio tags pentru Eleven v4
[whispering] Don't make a sound... they are right outside the door.
[shouting] Run! Now!Exemplul 2: Mostre pentru clonare
Cerințele din documentația ElevenLabs.
Instant Voice Cloning: sub 2 minute de audio curat, propoziții variate
Professional Voice Cloning: aproximativ 30 de minute de audio de calitate, plan Creator sau mai mare, verificarea vociiGreșeli frecvente și capcane
- Folosești tag-uri SSML
<break time="1.5s" />cu Eleven v4 sau v3. Aceste modele nu suportă SSML; pauzele se obțin cu audio tags sau punctuație. - Aștepți ca vocea clonată să păstreze accentul original în altă limbă. Eleven v4 generează intenționat vorbire fără accentul vocii de referință în limba țintă.
- Încarci înregistrări cu zgomot pentru clonare. Eleven v4 reproduce fidel și defectele înregistrării; curăță mai întâi audio-ul.