Eleven v4, 90개 이상 언어와 10초 음성 복제를 지원하는 ElevenLabs의 새 음성 모델

작동 방식

연기 지시는 대본 안에 직접 쓰는 인라인 태그로 한다. 예를 들어 [laughs]나 [said angrily in French accent] 같은 태그를 쓰고, 여러 태그를 순서대로 겹쳐 쓸 수도 있다. 모델은 앞뒤 문장을 문맥으로 유지하면서 긴 구간에 걸쳐 표현을 조절한다. 외신은 이 모델이 상위 언어 모델이 텍스트를 만들기 시작하는 즉시 말하기 시작할 수 있다고 전했다.

음성 복제도 쉬워졌다. 인스턴트 음성 복제(Instant Voice Clone)는 이제 10초 분량의 오디오만 있으면 되고, 프로페셔널 음성 복제(Professional Voice Clone)도 지원된다. ElevenLabs는 v4가 원본 화자와의 유사도가 눈에 띄게 좋아졌고, 반복 생성과 여러 인물이 나오는 대화에서도 결과가 더 일정하다고 말한다.

주요 스펙 정리

모델 ID: eleven_v4, eleven_v4_turbo.

지원 언어: 90개 이상(기존 70개).

인스턴트 음성 복제: 10초 분량 오디오.

요청당 한도: 10,000자(약 10분 분량의 오디오).

Turbo 중앙값 추론 지연: 약 100 ms.

제공 위치: ElevenAgents, ElevenCreative, ElevenAPI.

Eleven v4와 v4 Turbo의 차이

Eleven v4는 콘텐츠 제작과 긴 프로젝트를 위한 최고 품질 모델이다. Eleven v4 Turbo는 대화형 음성 에이전트를 위한 실시간 버전으로, ElevenLabs 모델 문서에 따르면 중앙값 추론 지연 시간이 약 100 ms이다. 두 모델 모두 90개 이상의 언어와 요청당 10,000자 한도를 지원한다.

왜 중요한가

음성 에이전트를 만드는 팀에게 중앙값 약 100 ms의 Turbo 모델과 넓어진 언어 범위는 말이 끊기는 순간을 줄이고, 지원하지 못하던 시장을 줄인다는 뜻이다. ElevenLabs는 v4가 2026년 9월 Artificial Analysis에서 1위를 했고, 블라인드 1대1 선호도 테스트에서 65~81%의 승률을 기록했다고 주장한다. 외신은 이런 에이전트의 주요 구매자인 기업 고객이 회사 매출의 55%를 차지한다고 짚었다.

표현 제어를 어떻게 쓰나

인라인 태그는 대본의 원하는 위치에 감정이나 말투 지시를 끼워 넣는 방식이다. 예를 들어 웃음을 넣고 싶은 문장 앞에 [laughs]를 쓰고, 특정 억양으로 화를 내는 연기를 시키고 싶으면 [said angrily in French accent]처럼 적다. 태그를 여러 개 겹쳐 쓸 수 있고 적힌 순서대로 반영되므로, 한 문장 안에서 감정이 바뀌는 장면도 대본만으로 지정할 수 있다.

요청 하나에 넣을 수 있는 분량은 10,000자이고, 이는 오디오로 약 10분이다. 오디오북처럼 긴 콘텐츠는 이 단위로 나누어 생성하게 된다. 문맥을 유지하며 표현을 조절하는 특성 덕분에 긴 구간에서도 말투의 일관성을 기대할 수 있다고 ElevenLabs는 설명한다.

참고할 점

블라인드 선호도 65~81%와 Artificial Analysis 1위는 ElevenLabs가 주장하는 수치라는 점을 기억해 둘 필요가 있다. 공개 자료는 일부 언어에서 품질 향상이 특히 크다고 했으므로, 실제로 쓰려는 언어가 그 범위에 들어가는지 직접 들어 보고 판단하는 것이 좋다. 복제 기능은 본인 또는 사용 권한이 있는 목소리에 쓰는 것이 기본이다.

어디서 쓰나

Eleven v4와 v4 Turbo는 ElevenAgents, ElevenCreative, ElevenAPI에서 바로 쓸 수 있다. API에서는 텍스트 음성 변환 요청의 model_id를 eleven_v4 또는 eleven_v4_turbo로 지정하면 된다. ElevenLabs는 새 모델을 써볼 수 있도록 Creator 요금제 이상 사용자에게 2026년 10월 12일까지 평소의 세 배 크레딧을 제공한다. 주요 대상은 음성 에이전트 개발자와 더빙, 오디오북 제작팀이다.