Eleven v4 test in italiano: numeri, date, abbreviazioni

👁 122 letture

Eleven v4 è il nuovo modello text-to-speech di ElevenLabs che il 28 settembre 2026 ha conquistato il primo posto nel ranking vocale di Artificial Analysis con 1319 punti Elo. Il giorno del lancio abbiamo ottenuto l’accesso via API e lo abbiamo testato in italiano con le stesse frasi usate per altri 13 modelli: scioglilingua, date, importi, abbreviazioni e nomi stranieri. Di seguito i numeri del ranking, i prezzi in dollari, le nostre registrazioni da ascoltare e dove v4 vince davvero e dove pareggia.

Cosa ha annunciato ElevenLabs

Il 28 settembre 2026 ElevenLabs ha pubblicato Eleven v4 in due versioni: completa (identificatore API eleven_v4) e veloce eleven_v4_turbo. L’azienda parla di nuova architettura, maggiore profondità emotiva e migliore dialogo multi-speaker. Entrambe le versioni funzionano nell’app ElevenCreative, in ElevenAgents e via API.

• Lingue: il produttore dichiara “oltre 90” (v3 ne aveva “oltre 70”). La lista API che abbiamo scaricato il 28 settembre ha 85 codici lingua per v4 e 74 per v3. L’italiano è presente in entrambi.
• Lunghezza singola generazione: fino a 10.000 caratteri (v3: 5000).
• Tag audio: inserti tra parentesi, es. [whispers], [laughs], [sighs], che il modello interpreta invece di leggere.
• v4 Turbo: secondo ElevenLabs circa 100 ms di latenza del modello e circa 150 ms alla prima parola.
• Clonazione: clone vocale istantaneo (Instant Voice Clone) da 10 secondi di registrazione; i cloni professionali (PVC) funzionano anche su v4.

ElevenLabs dichiara anche che v4 ha vinto in circa il 75% dei confronti ciechi con i modelli della concorrenza. Sono dati del produttore, non verificabili dall’esterno. Il ranking di Artificial Analysis è invece controllabile.

Eleven v4 nel ranking Artificial Analysis

Artificial Analysis gestisce un’arena vocale: gli ascoltatori ricevono due registrazioni dello stesso testo, non sanno quale modello le ha generate e scelgono la più naturale. Da migliaia di questi voti nasce il punteggio Elo. Nella classifica “Provider Voice” ogni modello parla con le voci native del produttore (in inglese, accento americano e britannico).

Il vantaggio di 43 punti su Cartesia è maggiore della somma di entrambi gli intervalli di incertezza, quindi il primo posto non è casuale. Il predecessore, Eleven v3, è nello stesso ranking al 18° posto con 1169 punti. Nella classifica separata “Controlled Voice”, dove tutti i modelli ricevono le stesse voci clonate, v4 è secondo (1157) dietro Qwen-Audio-3.1-TTS-Plus (1178), mentre v3 ha 1073.

Artificial Analysis ha fornito anche due numeri non visibili nella tabella del ranking sul sito, ma solo nel post del 28 settembre (li citiamo da AlphaSignal): 91,7% di pronuncia corretta nel test di parole difficili, abbreviazioni e numeri (Gemini 3.8 Flash TTS 89,5%, Gemini 3.1 Flash TTS 88,2%, Eleven v3 85,6%) e 73,4 caratteri generati al secondo contro 42,5 in v3. Questi test sono in inglese. Per questo abbiamo fatto il nostro test in italiano.

Il nostro test in italiano: frasi, numeri, date

Abbiamo generato via API ElevenLabs quattro frasi: uno scioglilingua (“Trentatré trentini…”), un appuntamento con la dott.ssa Squarcialupi-Mazzacurati il 17/03/2027 alle 9:45 in c.so Garibaldi 12, un prezzo di 1.249,99 € e il 15%, e una frase su matematica e fisica. Il secondo testo era un puro percorso a ostacoli: treno Frecciarossa 9517, 29/02/2028, 14:30, ordine n. 48/2026, 3.450,50 €, “IVA incl.”, “ca. 2,8 mila €”, numero di telefono e indirizzo e-mail. Abbiamo inviato il testo così com’era scritto, senza scrivere i numeri in lettere, con normalizzazione impostata su “auto”.

Ogni registrazione è passata attraverso tre trascrizioni indipendenti: Whisper large-v3 (locale), ElevenLabs Scribe v2 e Whisper con un prompt per scrivere i numeri in lettere. Abbiamo contato un errore quando almeno due trascrizioni mostravano la forma sbagliata, es. “diciassette zero tre” invece di “diciassette marzo”. Lo stesso Whisper a volte è troppo zelante: alcune volte ha trascritto male parole che Scribe aveva corretto, quindi non abbiamo contato questi singoli scivoloni.

V4 ha letto “dott.ssa” come “dottoressa”, la data come “diciassette marzo duemilaventisette”, l’importo come “milleduecentoquarantanove euro e novantanove”, e l’e-mail come “info chiocciola esempio punto it”. Lo stesso risultato, 7 su 7, è stato ottenuto con le voci Violetta e Alice e in due generazioni successive con MarcoTrox. V3 ha inciampato su “Frecciarossa 9517” (ha detto “novece cinquantici a sette”).

Flash v2.5 migliora dopo aver attivato la normalizzazione del testo (apply_text_normalization: "on"): ha ottenuto 10 su 11 punti nel percorso a ostacoli. Con v4 l’interruttore non ha cambiato nulla, perché v4 su “auto” aveva già tutto corretto.

Non abbiamo lasciato la valutazione del suono solo alle trascrizioni. Nel test polacco, Gemini 3.8 Flash aveva dato a v4 8/10 per naturalezza e 9-10/10 per pronuncia, indicando come unica debolezza un leggero rallentamento sui cognomi complessi e sui numeri. Nel nostro test italiano non abbiamo notato questo rallentamento.

Tag emotivi in italiano

Il terzo testo aveva sei tag: sussurro, pausa, risata nervosa, eccitazione, sospiro e sarcasmo (“[sarcastic] Certo, il lunedì è il mio giorno preferito”). Nessun modello ElevenLabs ha letto i tag ad alta voce. Abbiamo misurato la variabilità del pitch (deviazione standard di F0 in semitoni) come indicatore oggettivo dell’espressività.

La traccia oggettiva si vede nella melodia della voce. V4 su MarcoTrox ha raggiunto 8,0 semitoni di variabilità, v4 Turbo 7,4, v3 5,2. Sulle frasi normali senza tag Flash v2.5 aveva 4,3, quindi suonava più piatto.

Velocità: v4, Turbo e Flash

Artificial Analysis riporta per v4 73,4 caratteri al secondo. Il giorno del lancio, collegandoci dalla Polonia, abbiamo ottenuto meno: la prima chiamata di 444 caratteri è durata 19,1 s, le successive circa 13-14 s, cioè 23-34 caratteri al secondo, simile a v3.

Più importante per gli assistenti vocali è il tempo dopo il quale si sente il primo suono. Lo abbiamo misurato in modalità streaming, tre volte per modello (mediana):

V4 Turbo è quindi quasi veloce come Flash, sui numeri italiani ha performato come il v4 completo, e i tag emotivi li ha interpretati anche più pienamente. Per una conversazione dal vivo sceglierei Turbo senza esitazione. Il v4 completo lo riserverei alle registrazioni dove conta ogni sfumatura, perché è quello che ha conquistato il 1° posto nel ranking di naturalezza, ma nel nostro test non abbiamo trovato un vantaggio che giustificasse il doppio consumo di crediti. Questa è la nostra opinione.

Prezzo Eleven v4 e disponibilità nei piani

In API v4 costa 0,08 USD per 1000 caratteri, cioè 80 USD per milione, tanto quanto v3 e Multilingual v2 nel listino attuale. Fino al 12 ottobre 2026 è attiva una promozione: 0,022 USD per 1000 caratteri in v4 e 0,011 USD in v4 Turbo (regolarmente 0,04 USD). I prezzi sono senza IVA.

* Il minuto lo calcoliamo dalla nostra registrazione: 444 caratteri hanno dato 34,6 s, cioè circa 770 caratteri per minuto di parlato. I crediti per carattere li abbiamo letti dall’header della risposta API: 444 caratteri sono costati 444 crediti in v4 e 222 in v4 Turbo.

Nell’app v4 è disponibile anche sul piano gratuito. Con 10.000 crediti del piano Free escono circa 13 minuti di parlato in v4 o 26 minuti in v4 Turbo, sul Creator (121.000 crediti, 22 USD al mese) circa 2,7 ore in v4.

Vale la pena passare da v3 a v4

Se fai registrazioni in italiano con numeri, date e abbreviazioni, sì. V3 era buono, ma nel nostro test ha fatto un errore sui numeri (“Frecciarossa 9517” letto male), mentre v4 nessuno, allo stesso prezzo in API. Se hai progetti su Multilingual v2 o Flash v2.5, il cambiamento è ancora più evidente: questi modelli leggevano “dott.ssa” come “dott ssa” e confondevano gli importi. Chi resta su Flash per la velocità dovrebbe attivare la normalizzazione del testo o passare a v4 Turbo.

Il confronto con i modelli Google, OpenAI, xAI, MiniMax e Inworld sulle stesse frasi sarà nel ranking dei migliori TTS in italiano.

Domande frequenti

Eleven v4 parla in italiano?

Sì. L’italiano è nella lista degli 85 linguaggi di v4 in API. Nel nostro test v4 ha letto scioglilingua, date, importi e abbreviazioni italiane senza errori su tre voci.

Quanto costa Eleven v4?

In API 0,08 USD per 1000 caratteri (senza IVA), fino al 12 ottobre 2026 in promozione 0,022 USD. Nell’app consuma 1 credito per carattere ed è disponibile anche sul piano gratuito.

Qual è la differenza tra Eleven v4 e v4 Turbo?

Turbo inizia a parlare più velocemente (nella nostra misurazione dopo 0,27 s invece di 1,25 s) e consuma metà crediti. Sui numeri italiani entrambi i modelli hanno performato allo stesso modo, e i tag emotivi Turbo li ha interpretati anche più pienamente nel nostro test.

Che posizione ha ottenuto Eleven v4 nel ranking Artificial Analysis?

Prima nella classifica Provider Voice: 1319 punti Elo, 43 punti davanti al modello Cartesia Sonic 3.6. Nella classifica Controlled Voice è secondo dietro Qwen-Audio-3.1-TTS-Plus.

Eleven v4 legge i numeri senza scriverli in lettere?

Nel nostro test sì: date, orari, importi in euro, percentuali, numeri di telefono e indirizzi e-mail con normalizzazione “auto”. Con nomi propri e abbreviazioni rare vale comunque la pena ascoltare il risultato.

// continua a leggereA che ora esce GTA 6 in Italia? Orari precisi del 19 novembreNotizieElevenLabs Scribe in italiano: test errori e trascrizioneMagazineEffetti sonori AI ElevenLabs: test prompt italiano e ingleseMagazine

Kinetyra

Il link a ElevenLabs è un link di affiliazione: se acquisti tramite questo link, NITIDO riceve una commissione e tu paghi lo stesso prezzo. Non influisce sui contenuti, nemmeno sulle parti critiche.