イレブンラボが音声AI「Eleven v4」公開、応答0.15秒のTurboも 日本語品質が大幅向上

　イレブンラボは2026年9月28日（現地時間）、テキストを音声に変換するTTSの新モデル「Eleven v4」と、その低遅延版「Eleven v4 Turbo」を公開したと、公式ブログで発表した。同社は「これまでで最も感情豊かなモデル」と位置付けている。


　性能面では、評価サイトのアーティフィシャル・アナリシスの音声モデルランキング（2026年9月）で首位になったという。また、カルテシアの「Sonic 3.6」や米グーグルの「Gemini 3.8 Flash TTS」などとのブラインド比較では、聞き手の約75％がEleven v4を選んだ。

　低遅延版のTurboは、推論の遅延が中央値で約100ミリ秒、リクエストから音声が聞こえ始めるまでが中央値で約150ミリ秒とされる。同社は「人と人の会話の平均的な間よりも速く応答できる」と説明する。これまでの音声エージェントは速さか表現力かの二者択一を迫られ、単調な声を選ぶ企業が多かったという。Turboは同社の会話エージェント基盤「ElevenAgents」と一体で最適化しており、医療用語を正確に発音するヘルスケア向けの応対など、幅広い業種での活用を想定する。

　対応言語は両モデルとも90以上。ある言語で録音した声が、元の声の特徴を保ったまま、別の言語をネイティブの訛りで話せるようになった。前バージョンの対応言語は70だった。米メディアのTechCrunchによると、品質の伸びが最も大きかったのは日本語、ブラジル・ポルトガル語、中国語（標準語）、広東語だという。声のクローンもわずか10秒の音声から高い忠実度で作れる。

　両モデルは、ElevenAgentsのほか、制作向けの「ElevenCreative」、API経由の「ElevenAPI」で同日から利用できる。無料アカウントでも試せる。

　同社の事業は急拡大している。同メディアによると、年換算の売上高は年初の約3億3,000万ドル（約518億円）から6億ドル（約942億円）超に伸び、55％超を大企業向けが占めるという。表現力と応答速度を両立させた新モデルで、法人需要の取り込みを狙う。