Eleven v4
Neue Generation für expressive Sprache; Turbo zielt auf rund 100 ms Medianlatenz und mehr als 90 Sprachen. Relevant für Dialoge, Dubbing und Agenten.
Voice, Musik & Speech · Stand 13.10.2026
Audio-AI wird zur Echtzeit-Infrastruktur.
TTS, Transkription, Musik und Sprachagenten sind inzwischen getrennte Produktklassen. Eleven v4 fokussiert emotionale Sprache und geringe Latenz, Suno v6 Musikproduktion, GPT-Live 1 voll-duplexe Voice Agents.
90+Sprachen bei Eleven v4
≈100 msMedianlatenz bei v4 Turbo
v6aktuelle Suno-Musikfamilie
GAGPT-Live 1 seit 10.09.
Aktuelle Shortlist nach Aufgabe
| Aufgabe | Starke Optionen | Warum | Prüfpunkte |
|---|---|---|---|
| Text-to-Speech | Eleven v4, OpenAI Speech | Natürlichkeit, Emotionssteuerung, mehrsprachige Stimmen | Einwilligung, Voice Cloning, Latenz, Aussprache |
| Echtzeit-Agenten | GPT-Live 1, ElevenAgents | Voll-duplexe Interaktion, geringe Latenz, Tool-Anbindung | Unterbrechungen, Telefonie, Logging, Eskalation |
| Musik | Suno v6, Udio | Songstruktur, Gesang, Varianten und Stilkontrolle | Lizenz, Trainingsdaten, kommerzielle Rechte |
| Transkription | GPT-4o Transcribe, Whisper, Deepgram | Mehrsprachigkeit, Diarisierung, Streaming | Fachvokabular, Sprechertrennung, Datenresidenz |
| Lokaler Betrieb | Whisper, Piper, XTTS | Datenschutz und Kostenkontrolle | Hardware, Wartung, Qualität pro Sprache |
Neu im Herbst 2026
Suno v6
v6, v6-wild und v6-mini decken Qualität, Exploration und Geschwindigkeit ab. Musikrechte und Kennzeichnung sollten projektbezogen dokumentiert werden.
GPT-Live 1
Seit 10. September allgemein verfügbar: voll-duplexe Sprachinteraktion, Tool-Nutzung und serverseitige Agentenlogik für Echtzeitanwendungen.
Enterprise-Checkliste
Technik
- End-to-End-Latenz und Unterbrechbarkeit messen
- Fallback bei schlechter Leitung und Erkennungsfehlern
- Diarisierung, Fachbegriffe und Akzente testen
- Audioaufbewahrung und Löschung festlegen
Governance
- Einwilligung für Voice Cloning nachweisbar machen
- Synthetische Stimme transparent kennzeichnen
- Betrugs- und Impersonation-Risiken kontrollieren
- Menschliche Übergabe bei kritischen Vorgängen