معرفی مدل‌های جدید تبدیل متن به گفتار ElevenLabs

ElevenLabs به تازگی دو مدل جدید تبدیل متن به گفتار (text-to-speech) را معرفی کرده است که به ترتیب با نام‌های Eleven v4 و Eleven v4 Turbo شناخته می‌شوند. این مدل‌ها به‌ویژه برای دوبله، تولید محتوای چندزبانه و ایجاد تجربه‌های صوتی تعاملی طراحی شده‌اند. مدل Eleven v4 به عنوان "با کیفیت‌ترین" و "احساسی‌ترین" مدل این شرکت معرفی شده و برای تولید محتوا، کتاب‌های صوتی و صداگذاری شخصیت‌ها مناسب است. در عین حال، Eleven v4 Turbo به عنوان نسخه‌ای سریع‌تر برای استفاده‌های زمان واقعی، از جمله دستیاران گفتاری و تجربه‌های صوتی تعاملی طراحی شده است.

این دو مدل جدید قابلیت پشتیبانی از بیش از 90 زبان را دارند که نسبت به مدل قبلی یعنی Eleven v3 که تنها از بیش از 70 زبان پشتیبانی می‌کرد، بهبود قابل توجهی به حساب می‌آید. ElevenLabs اعلام کرده است که مدل v4 کنترل بیشتری بر روی لحن، سرعت، احساس و تلفظ ارائه می‌دهد و کاربران می‌توانند نحوه‌ی ارائه‌ی جملات را با دستورالعمل‌های نوشتاری تعیین کنند. این ویژگی به ویژه در تولید کتاب‌های صوتی و دوبله‌ها که نیاز به ثبات در صدا دارند، می‌تواند بسیار مفید باشد.

مدل v4 همچنین به‌دنبال حفظ هویت گوینده اصلی در فرآیند کلاونینگ صوتی بین زبان‌ها است. به عنوان مثال، صدایی که از یک ضبط کره‌ای گرفته شده، می‌تواند گفتار انگلیسی را بدون انتقال لهجه‌ی کره‌ای تولید کند. این ویژگی به کاربران این امکان را می‌دهد که از یک صدا در زبان‌های مختلف استفاده کنند، که برای دوبله و تولید محتوای چندزبانه بسیار کارآمد است.

در کنار این پیشرفت‌های فنی، ElevenLabs همچنین خبر از جذب سرمایه جدیدی به مبلغ 300 میلیون دلار در تاریخ 30 سپتامبر 2026 داده است که به کارکنان این شرکت این امکان را می‌دهد تا سهام خود را به سرمایه‌گذاران بفروشند. این ارزش‌گذاری به 22 میلیارد دلار رسیده است که نشان‌دهنده‌ی رشد و موفقیت قابل توجه این شرکت در صنعت فناوری‌های صوتی است.

این برای مخاطبِ حرفه‌ای یعنی چه؟ پیشرفت‌های ElevenLabs در زمینه‌ی مدل‌های تبدیل متن به گفتار، نشان‌دهنده‌ی اهمیت روزافزون فناوری‌های صوتی در تولید محتوا و خدمات چندزبانه است. متخصصان صنعت زبان باید به این تحولات توجه کنند و از این فناوری‌ها در پروژه‌های خود بهره‌برداری کنند.