Eleven v4 face à Eleven v3 : les changements pour votre voix off

Eleven v4 face à Eleven v3 en un paragraphe#

Choisir entre Eleven v4 et Eleven v3 ne pose pas les mêmes questions pour une voix off enregistrée que pour un agent vocal en direct. ElevenLabs a annoncé v4 et v4 Turbo le 28 septembre 2026 (S’ouvre dans un nouvel onglet), avec une mise à jour datée du 19 octobre : nouvelle architecture, couverture linguistique élargie et commandes vocales revues sont des changements annoncés par le fournisseur. Au 21 octobre 2026, aucun des deux modèles v4 n’est disponible sur OmniArt. Vous pouvez continuer à produire avec Eleven v3, Eleven Multilingual v2 ou Eleven Turbo v2.5. Pour une vidéo que vous monterez avant publication, évaluez l’interprétation enregistrée ; pour un agent qui doit répondre immédiatement, étudiez séparément la latence en diffusion continue.

Ce qui a changé selon ElevenLabs#

Le tableau ci-dessous distingue les réglages proposés sur OmniArt des annonces plus générales d’ElevenLabs sur ses modèles. Les chiffres d’OmniArt proviennent du catalogue de synthèse vocale et des listes de langues, vérifiés le 21 octobre 2026. La colonne v4 résume l’annonce de lancement datée (S’ouvre dans un nouvel onglet) ; ces capacités sont rapportées par le fournisseur, sans comparaison pratique réalisée sur OmniArt.

Le nombre de langues d’un sélecteur est un détail d’intégration, pas une mesure complète de la qualité du modèle. Vérifiez la langue dont vous avez besoin, puis écoutez les noms, les dates et les transitions dans cette langue. De même, une fonction de clonage annoncée par un fournisseur ne prouve pas qu’une plateforme de création la propose. Cet article ne présente aucun processus de clonage vocal sur OmniArt et ne prédit pas la date d’arrivée de v4.

Comprendre les deux chiffres de latence#

ElevenLabs annonce une latence d’inférence médiane d’environ 100 ms pour Eleven v4 Turbo dans la section consacrée à l’architecture de son annonce du 28 septembre, mise à jour le 19 octobre 2026 (S’ouvre dans un nouvel onglet). Aucun protocole de mesure n’accompagne cette affirmation. Ce chiffre ne doit pas être présenté comme le délai entre la requête et une parole audible.

Par ailleurs, la même source annonce un délai médian jusqu’à la première parole d’environ 150 ms pour Eleven v4 Turbo. La note 3 définit ce délai comme le temps écoulé entre la requête et la parole audible, mesuré en septembre 2026 avec les mêmes scripts et les réglages par défaut, en diffusion WebSocket pour v4 Turbo. La latence réseau a été mesurée puis retirée pour chaque système. La comparaison portait sur Cartesia Sonic 3.6, xAI TTS, Google Gemini 3.8 Flash-Lite TTS et OpenAI GPT-4o mini TTS. Les deux chiffres sont rapportés par le fournisseur ; aucun ne décrit la latence du modèle v4 sans Turbo.

Il s’agit de mesures distinctes. N’en faites pas une plage de valeurs et ne les soustrayez pas pour déduire une étape de traitement que le fournisseur n’a pas documentée. Une médiane ne vous indique pas non plus le comportement d’une requête lente.

Pour un agent en direct, testez l’interaction complète sur le réseau et les appareils de votre public. L’attente ne se limite pas à la synthèse vocale : détection des tours de parole, préparation de la réponse, transport et lecture y contribuent aussi. Retirer le temps réseau permet d’isoler une mesure comparative, mais la rend moins représentative de l’attente totale de l’auditeur.

Pour une narration YouTube, des publicités ou des vidéos localisées générées à l’avance, la latence du premier mot détermine rarement le résultat final. Écoutez plutôt l’interprétation, la prononciation, les pauses et la facilité de montage. La vitesse de génération peut influer sur votre journée de travail ; elle ne rend pas une interprétation médiocre digne du montage final.

Les annonces de préférence et de classement#

Selon l’article de lancement d’ElevenLabs (S’ouvre dans un nouvel onglet), v4 a pris la première place du Provider Voice Arena d’Artificial Analysis en septembre 2026. Il s’agit d’un classement historique cité par le fournisseur. La position actuelle n’a pas été confirmée indépendamment au 21 octobre 2026.

L’article rapporte aussi environ 75 % de préférence des auditeurs dans ses propres tests à l’aveugle de septembre 2026. Les évaluateurs comparaient une même phrase pour son expressivité et son naturel ; les égalités comptaient pour moitié. Les concurrents étaient Cartesia Sonic 3.6, Inworld TTS-2, Google Gemini 3.8 Flash-Lite TTS et Google Gemini 3.8 Flash TTS. Ce test a été mené par le fournisseur, avec des concurrents différents de ceux du test de latence. Il ne mesure pas une préférence par rapport à v3 sur OmniArt.

Servez-vous de ces annonces pour décider quoi écouter, sans les substituer à un essai sur votre script. Un nom de produit mal prononcé peut peser plus lourd qu’une lecture générale soignée. Pour une localisation, demandez à une personne maîtrisant la langue cible d’évaluer l’interprétation en contexte. Cet article ne comprend aucun test d’écoute de v4 et n’établit aucun classement indépendant de qualité.

La voix off sur OmniArt aujourd’hui#

Au 21 octobre 2026, le catalogue de synthèse vocale d’OmniArt et les unités de tarification offrent les possibilités suivantes. Les limites et coûts ci-dessous sont ceux d’OmniArt, pas les tarifs de l’API ElevenLabs.

Les mêmes listes de langues datées proposent 29 codes de langue plus le mode automatique pour Multilingual v2, et 32 plus le mode automatique pour Turbo v2.5. Confirmez votre langue cible dans le sélecteur avant de choisir uniquement selon la longueur du script.

Avec les règles tarifaires du 21 octobre 2026 ci-dessus, un script de 1 000 caractères coûte 20 crédits sur v3 et 10 crédits sur Turbo v2.5. Les tranches sont arrondies au supérieur : tout texte ajouté au-delà d’une tranche complète entame une nouvelle tranche facturable. Ces estimations valent pour une génération ; les prises supplémentaires ont leur propre coût. Vérifiez l’estimation affichée en mode Audio après avoir collé votre script réel, balises d’interprétation comprises.

Pour évaluer v3, choisissez la synthèse vocale, sélectionnez le modèle, gardez le même préréglage de voix et commencez par un passage qui exige un changement net d’interprétation. Essayez ce script, puis retirez les balises entre crochets et écoutez de nouveau :

Écoutez si l’enthousiasme arrive au moment voulu et si la fin plus discrète reste intelligible. Placez un passage neutre à côté du passage dirigé pour entendre une transition, plutôt qu’un effet isolé. Modifiez une seule partie du script à la fois et gardez la prise qui sert le montage.

Pour le placement et les exemples de balises, consultez le guide des balises audio d’Eleven v3. Pour le processus de montage complet, lisez la voix off IA pour les vidéos YouTube ; pour une autre option avec le forfait Free, consultez le guide MiniMax Speech. Si un ancien tutoriel donne des chiffres différents, retenez les limites et coûts actuels ci-dessus.