ElevenLabs、音声合成モデル Eleven v4 Turbo を公開──Artificial Analysis TTS Arena で 1,334 Elo を獲得し半額で首位へ
Eleven v4 Turbo はフラッグシップの v4 を Elo スコアで上回りながら価格を半額の $40/1M 文字に抑え、音声対話エージェントの推論コストを大幅に圧縮する。
リリース: 2026-10-06 · 読了 3 分記事の要約
1. 核心（What）
- ElevenLabs は音声合成モデル Eleven v4 Turbo を公開し、Artificial Analysis TTS Arena で 1,334 Elo を獲得して首位に立った。
- 価格は 100 万文字あたり $40 と、標準 v4 モデルの $80 の半額に設定された。
- スループットは 96 文字/秒、中央値推論レイテンシは約 100ms を達成した。
- Controlled Voice テストのアラビア語、ドイツ語、ヒンディー語、UK 英語の各部門で 1 位を記録した。
2. 影響（Why）
- 音声エージェントのコスト削減: 100 万文字あたり $40 という価格設定により、高頻度で音声合成を呼び出すリアルタイム対話システムのランニングコストを半減できる。
- 国内音声 SaaS への費用対効果: 国内のコールセンター自動化や音声 AI サービスを手掛ける中堅ベンダーは、フラッグシップと同等以上の品質を低価格で調達可能になる。
3. 根拠・詳細（How）
- Arena 評価とアーキテクチャの変更: Artificial Analysis のブラインドテストによる pairwise 投票の Elo 評価で 1,334 を記録し、上位モデル v4 を 13 ポイント上回った。
- スループットとレイテンシの計測値: 生成速度は 96 文字/秒、中央値推論レイテンシは 100ms を実現し、v3 の 280ms から大幅に短縮されている。
- 発音および正確性のトレードオフ: 製品コードやライセンス番号の正確な文字列シーケンスのスコアは 73.9% となっており、正確性が求められる用途では追加の対策が必要。
4. 展望・課題（Next）
- 多言語対応とユースケース検証: 90 以上の言語と言語固有のコントロール機能を備えており、ターゲット地域でのネイティブスピーカーによる検証が推奨される。