Hersteller · Audiomodelle
ElevenLabs hat 11 Modelle im Verzeichnis: 11 Audiomodelle.
ElevenLabs entwickelt KI-Audio für Sprachausgabe, Synchronisation und Musik. Die Eleven-Music-API startete im August 2025. Das Unternehmen unterhält Büros unter anderem in London, New York, San Francisco und Warschau.
Im Verzeichnis: 11 Audiomodelle.
Alle Modelle, die es je gab. Modelle mit Profil führen zu allen Benchmarks, Preisen und Quellen.
| Eleven v4 | 28.09.2026 | Aktiv | k. A. | unter 1 |
| Eleven v4 Turbo | 28.09.2026 | Aktiv | k. A. | unter 1 |
| Eleven Flash v2.5 | k. A. | Aktiv | k. A. | 22 |
| Eleven Multilingual STS v2 | k. A. | Aktiv | k. A. | unter 1 |
| Eleven Music v2.5 | k. A. | Aktiv | k. A. | unter 1 |
| Eleven Text to Sound v2 | k. A. | Aktiv | k. A. | unter 1 |
| Eleven v3 | k. A. | Aktiv | k. A. | 39 |
| Eleven v3 Conversational | k. A. | Aktiv | k. A. | 31 |
| Scribe v2 | k. A. | Aktiv | k. A. | 39 |
| Scribe v2 Medical | k. A. | Aktiv | k. A. | unter 1 |
| Scribe v2 Realtime | k. A. | Aktiv | k. A. | 29 |
Audiomodell · 28.09.2026
Eleven v4 erzeugt Sprache, deren Tonfall, Tempo und Emotion sich am Textkontext orientieren. ElevenLabs empfiehlt das Modell für hochwertige Inhalte wie Hörbücher und Vertonungen und nennt mehr als 90 unterstützte Sprachen.
Audiomodell · 28.09.2026
Eleven v4 Turbo bringt die ausdrucksstarke Sprachgenerierung von v4 in Echtzeit-Anwendungen und Sprachagenten. ElevenLabs hat die Variante zusammen mit seiner Agents-Plattform optimiert.
Audiomodell · k. A.
Eleven Flash v2.5 ist auf niedrige Latenz bei der Text-to-Speech-Ausgabe ausgelegt. ElevenLabs nennt rund 75 ms Latenz, 32 Sprachen und bis zu 40.000 Zeichen pro Anfrage.
Audiomodell · k. A.
Eleven Multilingual STS v2 steht für Speech-to-Speech, also die Umwandlung gesprochener Sprache in eine veränderte Stimmfassung. Das Modell nimmt Audio entgegen und gibt Audio aus. ElevenLabs führt es als mehrsprachiges Voice-Changer-Modell mit 29 unterstützten Sprachen.
Audiomodell · k. A.
Eleven Music v2.5 erzeugt Musik aus natürlichsprachigen Vorgaben. Die aktuelle ElevenLabs-Dokumentation nennt bessere Prompt-Treue, reichere Melodien, tiefere Arrangements und mehr geschichtete Instrumente. Du kannst dabei zwischen Gesang und rein instrumentalen Stücken wählen und Genre, Stil und Struktur vorgeben.
Audiomodell · k. A.
Eleven Text to Sound v2 übersetzt eine Textanweisung in einen Soundeffekt und liefert dafür eine Audiodatei. ElevenLabs führt den Endpunkt ausdrücklich unter Sound-Effect-Generierung. Sprachsynthese gehört nicht zu diesem Modell.
Audiomodell · k. A.
Eleven v3 ist ElevenLabs’ ausdrucksstarkes Text-to-Speech-Modell für mehrsprachige und mehrstimmige Ausgaben. Der Anbieter dokumentiert mehr als 70 Sprachen, ein Textlimit von 5.000 Zeichen und eine Text-to-Dialogue-API für Gespräche mit mehreren Stimmen. Der Wert liegt in emotionaler Bandbreite und kontextbezogener Sprechweise, nicht in allgemeinem Audio-Reasoning.
Audiomodell · k. A.
Eleven v3 Conversational nutzt den Text-to-Dialogue-WebSocket für Sprachagenten-Dialoge statt für reines Vorlesen. Die Variante erzeugt ausdrucksstarke, kontextabhängige Sprache und unterstützt mehr als 70 Sprachen. Die vom Anbieter genannte Latenz liegt bei rund 280 ms, ohne App- und Netzwerklaufzeit.
Audiomodell · k. A.
Scribe v2 ist ElevenLabs’ Modell für asynchrone Spracherkennung. Es verarbeitet Aufnahmen in mehr als 90 Sprachen und liefert Wortzeitstempel, Sprechertrennung für bis zu 32 Personen sowie Entitätenerkennung. Keyterm-Prompts nehmen bis zu 1.000 Namen oder Fachbegriffe auf und ergänzen damit die Transkription um ein kontrolliertes Vokabular.
Audiomodell · k. A.
Scribe v2 Medical ist eine auf klinische Audiodaten feinabgestimmte Batch-Transkription. ElevenLabs berichtet 35 % weniger Transkriptionsfehler bei klinischem Audio als bei Scribe v2, besonders bei Medikamentennamen, Anatomie, Pathologie und Diktaten. Bei Alltagssprache soll die Genauigkeit des allgemeinen Modells erhalten bleiben.
Audiomodell · k. A.
Scribe v2 Realtime ist die Live-Variante von ElevenLabs’ Spracherkennung. Sie liefert erste Teiltranskripte laut Anbieter nach rund 150 ms, erkennt Sprache in mehr als 90 Sprachen und nimmt Audiostücke fortlaufend entgegen. Voice Activity Detection segmentiert Sprache automatisch anhand von Pausen.
Nach Veröffentlichungsdatum. Grau: abgelöste Modelle.
2 Veröffentlichungen seit Januar 2026, nach Veröffentlichungsdatum.
Im Verzeichnis stehen 11 ElevenLabs-Modelle: 11 Audiomodelle. Gezählt sind alle Modelle, die ElevenLabs je veröffentlicht hat, auch abgelöste. Aktuell verfügbar sind 11, die neuesten davon Eleven v4, Eleven v4 Turbo und Eleven Flash v2.5.
Eleven v4, veröffentlicht am 28.09.2026. Die Timeline weiter unten zeigt alle Veröffentlichungen nach Datum.
Datenstand: 01.11.2026