ElevenLabs 声 2026.09.28

「最も感情豊かなモデル」をうたう音声モデル「Eleven v4」

公式発表： Introducing Eleven v4, our most emotive model

ElevenLabsの読み上げモデルがv4に。「最も感情豊かなモデル」をうたい、セリフの感情・間・キャラクター性を文章から読み取って演じ分ける。低遅延のTurbo版も同時に出た。

[light rain] 雨の音が静かに聞こえる

「落ち着いてください」 [said gently] ― 医者の声

「全員、突入しろ！」 [shouting] ― ゲームキャラの声

[laughs] 笑い声もタグで指定できる

セリフ台本のイメージ。黄色はタグ（公式の説明をもとに再構成）

何が変わったか

Eleven v4は新しいアーキテクチャで作られたTTSモデル。従来の読み上げが「文字を読む」だったのに対し、v4は「どう言うべきか」を解釈して、劇的に、優しく、切迫感をもって、といった演じ分けをする。音質自体も底上げされたとしている。

感情：トーン、間、感情、キャラクター性、文脈を文章から読み取って演じ分ける
会話：複数話者の掛け合いが、前の発言の文脈に応答する自然な対話になる
指示：自然な言葉での演出指示に加え、[laughs]（笑う）、[said angrily]（怒って言う）等のタグ、[light rain]（雨音）のような効果音タグまで本文に埋め込める
Turbo版：低遅延（推論の中央値約100ms）でエージェント用途向け
評価：Artificial Analysisで1位、ブラインドテストで約75%に選好（公式）

同じセリフ、違う演技

「落ち着いて」という一文でも、怯えた患者に優しく言う医者と、戦闘前に分隊へ叫ぶゲームキャラでは、言い方がまったく違う。v4はその違いを文脈から読み取って演じ分ける、というのが公式の説明。

「落ち着いて」 [said gently] ― 怯えた患者への医者

「落ち着いて！」 [shouting] ― 戦闘前のゲームキャラ

タグで演出を指定

本文に[laughs]と書けば笑い、[said angrily]と書けば怒った言い方になる。さらに[light rain]のような効果音タグまで埋め込めるので、「セリフ＋環境音」をテキストだけで演出できる。

[laughs] 笑う

[said angrily] 怒って言う

[light rain] 雨音まで本文に書ける

複数人の掛け合い

会話シーンでは、話者が前の発言の文脈に応答するように生成される。バラバラのセリフを貼り合わせた感じではなく、対話として聞こえるのが売り。

キャラA本当に行くのか？

キャラB（前の発言を受けて）…行くしかないだろ

公式記事が例に「ゲームのキャラクターが分隊に叫ぶ場面」を挙げるほど、演技系ボイスが本命のモデル。笑いや怒号をタグで指定できるのは、セリフ素材づくりに直結する。