Eleven V4

Wofür Eleven V4 gut ist und wo nicht

Eleven V4 ist die Antwort von ElevenLabs auf den schwierigsten Teil synthetischer Voiceovers: die Darbietung. Die meisten Text-to-Speech-Systeme lesen die Wörter korrekt vor; nur wenige sprechen sie wie ein Schauspieler. ElevenLabs hat Eleven v4 im September 2026 auf einer neuen Architektur veröffentlicht und nennt es sein bisher emotionalstes Modell.

Die wichtigste Fähigkeit ist die Regie im Skript selbst. Schreiben Sie Tags wie [laughs], [whispers] oder [sighs] genau dorthin, wo sie passieren sollen, und v4 führt sie der Reihe nach aus, zuverlässiger als v3. So kann eine einzelne Zeile ruhig beginnen, in ein Lachen ausbrechen und zu einem Flüstern absinken. Diese emotionale Bandbreite trägt sich über mehr als 90 Sprachen hinweg, sodass sich dieselbe Darbietung mit derselben Stimme für mehrere Märkte lokalisieren lässt.

Es gibt zwei Versionen. Standard ist die ausdrucksstärkste und die richtige Wahl für fertige Voiceovers. Turbo behält fast denselben Vortrag bei, liefert das Audio schneller und kostet deutlich weniger, was es zum sinnvollen Standard für lange Erzählungen, Entwürfe und große Mengen macht. Auf ZOOOP wählen Sie aus 20 ausgewählten Stimmen und stellen die Stabilität (Stability) ein: niedriger für einen lebendigeren, abwechslungsreicheren Vortrag, höher, damit jede Zeile eines langen Skripts konsistent bleibt.

Wo es schwächer ist: Jede Generierung nimmt bis zu 5.000 Zeichen auf, lange Skripte müssen also in Abschnitte geteilt werden. Es gibt kein separates Stilfeld; die Regie steht als Tags im Text. Wenn Sie das Skript lieber sauber halten und den Vortrag getrennt beschreiben möchten („warm und langsam", „eine dramatische Nachrichtensendung"), ist Gemini 3.8 Flash TTS genau so aufgebaut. Stimmklonen ist mit Eleven V4 auf ZOOOP nicht möglich.

Ein vernünftiges Denkmodell: Machen Sie Eleven V4 zum Standard für Erzählung und Figurenstimmen, Standard für den finalen Mix und Turbo für Entwürfe und lange Lesungen. Greifen Sie zu Gemini 3.8 Flash TTS, wenn Sie Stilanweisungen möchten, zu Multilingual V3, um zu einem bestehenden v3-Projekt zu passen, und zu Kling Avatar V2, um die Stimme in ein sprechendes Video zu verwandeln.