← Tất cả bài viết
01.10.2026

ElevenLabs ra mắt Eleven v4 và v4 Turbo

ElevenLabs ra mắt Eleven v4 và v4 Turbo
Nguyễn Ngọc Hải Nguyễn Ngọc Hải 9 phút đọc

Ngày 28/09/2026, ElevenLabs công bố Eleven v4, thế hệ mô hình chuyển văn bản thành giọng nói (text-to-speech) mới của công ty, kèm một biến thể độ trễ thấp là Eleven v4 Turbo [1]. TechCrunch đưa tin cùng ngày, nhấn vào khả năng điều khiển biểu cảm và việc mở rộng số ngôn ngữ [6]. Sản phẩm đáng chú ý với các nhóm làm nội dung âm thanh và làm trợ lý giọng nói, trong đó có lĩnh vực dịch vụ tài chính, vì ElevenLabs nêu rõ ngành này trong mô tả bản Turbo [2].

Hai phiên bản cho hai mục đích: nội dung sản xuất sẵn và hội thoại thời gian thực

Theo tài liệu của ElevenLabs, Eleven v4 (mã eleven_v4) là phiên bản chất lượng cao nhất, dùng cho việc tạo nội dung. Eleven v4 Turbo (mã eleven_v4_turbo) hướng tới các tình huống thời gian thực với độ trễ thấp [3]. Cả hai có mặt trong ba sản phẩm của hãng là ElevenAgents, ElevenCreative và ElevenAPI, và tài khoản miễn phí cũng truy cập được [1].

Về hiệu năng, ElevenLabs nêu bản Turbo có độ trễ suy luận trung vị khoảng 100 mili giây và thời gian đến lúc phát tiếng đầu tiên khoảng 150 mili giây; hãng cho biết số đo đã loại bỏ độ trễ mạng, dùng cùng kịch bản và cài đặt mặc định [1][4]. Mỗi lần tạo giọng của v4 nhận tối đa 10.000 ký tự, tương đương khoảng 10 phút âm thanh [4]. Trên ElevenAgents, bản Turbo phối hợp cùng các mô hình nhận dạng giọng nói và điều phối lượt nói, hỗ trợ đổi ngôn ngữ giữa cuộc gọi mà vẫn giữ giọng nhận ra được, và có từ điển phát âm cho tên thương hiệu, tên thuốc, tên địa danh [2].

Điều khiển biểu cảm bằng thẻ, nhân bản giọng và trên 90 ngôn ngữ

Thẻ trong văn bản (inline tags). Người dùng chèn mô tả bằng ngôn ngữ tự nhiên ngay trong câu chữ, ví dụ cảm xúc, hành động (cười, nói giận dữ với giọng Pháp) hoặc âm thanh môi trường (mưa nhẹ, điện thoại rung) [1]. ElevenLabs cho biết mô hình diễn giải giọng điệu, nhịp độ, cảm xúc, nhân vật và ngữ cảnh trước khi tạo giọng. Hãng cũng cải thiện hỗ trợ bảng phiên âm quốc tế (IPA) để chỉnh cách phát âm [1]. TechCrunch mô tả tính năng này là cho phép xếp chồng nhiều thẻ và mô hình làm theo đúng thứ tự [6]. Tài liệu lưu ý v4 không có thanh trượt Style và Speed, cũng không hỗ trợ SSML [3].

Nhân bản giọng. Blog chính thức cho biết Instant Voice Clone nay có thể tạo từ khoảng 10 giây âm thanh, và Professional Voice Clone cũng được hỗ trợ trên v4 để đạt độ giống và ổn định cao hơn [1]. Trang tài liệu kỹ thuật về v4 lại mô tả mẫu ngắn khoảng 1 đến 2 phút cho Instant Voice Clone [3]. Hai mô tả này chưa khớp nhau, nên người dùng cần thử thực tế trước khi dựa vào mức 10 giây.

Ngôn ngữ. Số ngôn ngữ tăng lên trên 90, so với khoảng 70 ở thế hệ trước [1][6]. Hãng nêu cải thiện rõ nhất ở tiếng Nhật, tiếng Bồ Đào Nha của Brazil, tiếng Quan Thoại và tiếng Quảng Đông [2][6]. Về tiếng Việt, các nguồn không thống nhất: trang tài liệu riêng của v4 liệt kê tiếng Việt trong danh sách ngôn ngữ, còn trang tổng quan về các mô hình không nêu riêng tiếng Việt [3][4]. Tài liệu cũng cho biết một số ngôn ngữ được xử lý trôi chảy hơn những ngôn ngữ khác [3].

Xếp hạng độc lập: đứng đầu ở một bảng, đứng thứ hai ở bảng còn lại

ElevenLabs công bố trong thử nghiệm nghe mù, khoảng 75% người nghe chọn v4 thay vì đối thủ, và v4 thắng 65% đến 81% các lượt so sánh với từng đối thủ như Cartesia Sonic 3.6, Inworld TTS-2 và các mô hình TTS của Google. Phương pháp: người nghe so một câu cùng nội dung từ v4 và một đối thủ rồi chọn bên biểu cảm và tự nhiên hơn, hòa tính nửa điểm [1].

Số liệu độc lập hơn đến từ Artificial Analysis, đơn vị xếp hạng bằng điểm Elo dựa trên phiếu bình chọn nghe mù. Có hai bảng với cách đo khác nhau:

  • Provider Voice: Eleven v4 xếp hạng nhất với 1320 điểm, hơn Sonic 3.6 (1273 điểm) 47 điểm [7].
  • Controlled Voice: các mô hình dùng cùng 8 giọng nhân bản (4 giọng Mỹ, 4 giọng Anh) để loại ảnh hưởng của việc chọn giọng. Ở bảng này Eleven v4 xếp hạng hai với 1154 điểm, sau Qwen-Audio-3.1-TTS-Plus (1184 điểm) [8].

Theo phân tích của OrcaRouter (nguồn thứ cấp), bảng Provider Voice dùng giọng do từng hãng cung cấp, nên vị trí dẫn đầu phản ánh cả chất lượng mô hình lẫn bộ giọng mặc định [9]. Bảng Controlled Voice vì vậy là phép đo "công bằng" hơn về năng lực tổng hợp giọng thuần túy.

Chi phí: khuyến mãi đến 12/10, sau đó giá niêm yết cao

Theo trang giá API của ElevenLabs, giá niêm yết là 0,08 USD cho mỗi 1.000 ký tự với v4 và 0,04 USD với v4 Turbo. Đến hết ngày 12/10/2026, hãng giảm 72%, còn 0,022 USD và 0,011 USD [5]. Artificial Analysis cũng ghi giá của v4 ở mức 80 USD cho mỗi triệu ký tự [7]. Gói đăng ký Starter có giá 6 USD mỗi tháng, gói Creator 22 USD mỗi tháng [5]. Ngoài ra, blog chính thức nhắc đến khuyến mãi nhân ba lượng credit cho gói Creator trở lên đến cùng ngày 12/10 [1].

Nhìn cho tỉnh táo

Thông tin do ElevenLabs công bố:

  • Tính năng, độ trễ khoảng 150 mili giây và tỷ lệ ưa thích khoảng 75% đều do hãng tự đo, chưa có bên thứ ba kiểm chứng riêng [1][4].
  • Hãng tự chọn đối thủ và phương pháp trong thử nghiệm nghe mù [1].

Nguồn bên ngoài:

  • Artificial Analysis xếp v4 thứ nhất ở Provider Voice nhưng thứ hai ở Controlled Voice [7][8]. Cả hai là điểm Elo từ phiếu bình chọn, không phải điểm kiểm tra khách quan về độ chính xác.
  • Chưa tìm thấy đánh giá độc lập riêng cho độ trễ của v4 Turbo, cũng như chất lượng tiếng Việt.

Khía cạnh pháp lý cần biết: ngày 11/05/2026, một nhóm nguyên đơn tại Illinois đã nộp đơn kiện tập thể ElevenLabs ra Tòa án Liên bang quận Bắc Illinois (vụ Amer và cộng sự kiện Eleven Labs Inc.). Họ cáo buộc hãng trích xuất "dấu giọng" (voiceprint) từ các bản ghi công khai mà không có sự đồng ý để huấn luyện mô hình, vi phạm luật bảo vệ thông tin sinh trắc học Illinois (BIPA) và một số luật khác [10]. Đây là cáo buộc trong đơn kiện, chưa phải phán quyết của tòa, và đơn kiện được nộp trước khi v4 ra mắt nên không nhắm riêng vào v4.

Ý nghĩa với chúng ta

Các gợi ý dưới đây là góc nhìn chung, team cần đối chiếu với quy trình và chính sách thực tế của VNPAY.

  • Voice agent trong dịch vụ tài chính. ElevenLabs nêu rõ các ngành như y tế, bán lẻ, dịch vụ tài chính, chính phủ và viễn thông là đối tượng của bản Turbo [2]. Nếu phòng hoặc công ty cân nhắc tổng đài hoặc trợ lý giọng nói cho khách hàng, độ trễ thấp và khả năng đổi ngôn ngữ giữa cuộc gọi là điểm đáng đánh giá, nhưng cần thử với tiếng Việt thật trước.
  • Nhân bản giọng từ mẫu ngắn là con dao hai lưỡi. Việc tạo giọng từ vài chục giây âm thanh thuận lợi cho nội dung, nhưng cũng làm tăng rủi ro giả giọng khi xác thực qua điện thoại. Nếu có quy trình xác minh bằng giọng nói, nên rà soát lại với bộ phận an toàn thông tin.
  • Dữ liệu giọng nói và pháp lý. Vụ kiện BIPA cho thấy việc dùng giọng nói của người thật làm dữ liệu cần sự đồng ý rõ ràng. Khi thử nghiệm với giọng của nhân viên hoặc khách hàng, cần có sự đồng ý bằng văn bản và xác nhận với Pháp chế về dữ liệu gửi ra dịch vụ bên ngoài.
  • Chi phí tính theo ký tự. Giá niêm yết của v4 (0,08 USD cho 1.000 ký tự) cao hơn nhiều so với mức khuyến mãi đến 12/10. Với khối lượng lớn, nên tính theo giá niêm yết, không theo giá khuyến mãi [5].
  • Đọc xếp hạng có chọn lọc. Dẫn đầu ở một bảng và đứng thứ hai ở bảng còn lại cho thấy xếp hạng phụ thuộc cách đo. Nên tự nghe thử với kịch bản và giọng của mình thay vì chỉ dựa vào thứ hạng.

References

  1. ElevenLabs — Eleven v4: Our most expressive text-to-speech AI model yet. Available at: https://elevenlabs.io/blog/eleven-v4 (Accessed: 01/10/2026).
  2. ElevenLabs — Eleven v4 Turbo is now available in ElevenAgents. Available at: https://elevenlabs.io/blog/eleven-v4-turbo-in-elevenagents (Accessed: 01/10/2026).
  3. ElevenLabs Docs — Eleven v4. Available at: https://elevenlabs.io/docs/overview/capabilities/text-to-speech/eleven-v4 (Accessed: 01/10/2026).
  4. ElevenLabs Docs — Models. Available at: https://elevenlabs.io/docs/overview/models (Accessed: 01/10/2026).
  5. ElevenLabs — API pricing. Available at: https://elevenlabs.io/pricing/api (Accessed: 01/10/2026).
  6. TechCrunch — ElevenLabs' new v4 speech model supports more expression control and 90 languages (28/09/2026). Available at: https://techcrunch.com/2026/09/28/elevenlabs-new-v4-speech-model-supports-more-expression-control-and-90-languages/ (Accessed: 01/10/2026).
  7. Artificial Analysis — Text to Speech Leaderboard (Provider Voice). Available at: https://artificialanalysis.ai/text-to-speech/leaderboard/provider-voice (Accessed: 01/10/2026).
  8. Artificial Analysis — Text to Speech Leaderboard (Controlled Voice). Available at: https://artificialanalysis.ai/text-to-speech/leaderboard/controlled-voice (Accessed: 01/10/2026).
  9. OrcaRouter — Eleven v4 Tops the Voice Arena: What It Actually Won (phân tích bên thứ ba, nguồn thứ cấp). Available at: https://www.orcarouter.ai/blog/eleven-v4-tops-the-voice-arena (Accessed: 01/10/2026).
  10. Amer et al. v. Eleven Labs Inc., Case No. 1:26-cv-05437 (N.D. Ill., filed 11/05/2026), Class Action Complaint. Available at: https://www.loevy.com/wp-content/uploads/2026/05/Eleven-Labs-BIPA-Complaint.pdf (Accessed: 01/10/2026).