Zehn Sekunden Aufnahme genügen laut ElevenLabs, damit das neue Modell eine Stimme nachbildet.

Erst kostenlos reinschnuppern, dann entscheiden

Bevor du dich für eine Weiterbildung entscheidest, sieh dir kostenlos an, wie sie läuft, fünf Lektionen plus Live-Demo, ohne Verpflichtung. Passt es, ist der Digitalisierungsmanager bei bewilligtem Bildungsgutschein für dich kostenlos.

Kostenlos reinschnuppern

Der Schnupperkurs ist gratis. Ob die Weiterbildung über den Bildungsgutschein gefördert wird, entscheidet die Agentur für Arbeit im Einzelfall.

Zwei Modelle für unterschiedliche Aufgaben

Am Montag, 28. September 2026, hat ElevenLabs Eleven v4 veröffentlicht, ein Modell für Sprachausgabe mit mehr Ausdruck. Dazu kommt Eleven v4 Turbo, eine Variante mit geringer Verzögerung. Beide stehen seit dem Start in den Anwendungen ElevenAgents und ElevenCreative bereit und lassen sich über die ElevenAPI in eigene Software einbinden. Für Turbo nennt der Anbieter eine mittlere Rechenzeit von rund 100 Millisekunden und rund 150 Millisekunden, bis Sprache hörbar ist. Laut TechCrunch ist das Modell dadurch für Sprachagenten gedacht, also für Anwendungen, in denen eine KI im Gespräch mit gesprochener Sprache antwortet. Für eine Vorlesefunktion auf der eigenen Website spielt die Verzögerung eine kleinere Rolle als im Gespräch.

Über 90 Sprachen nennt ElevenLabs, Deutsch steht in der Sprachliste der Dokumentation. Beim Vorgänger waren es laut TechCrunch 70.

Wie gut die deutsche Ausgabe im Vergleich zu v3 klingt, beantwortet keine der Quellen. Die größten Sprünge sieht TechCrunch bei Japanisch, Portugiesisch, Mandarin und Kantonesisch. Zur Qualität verweist ElevenLabs auf Platz 1 im Voice-Ranking von Artificial Analysis im September 2026. In eigenen Blindtests hätten rund 75 % der Hörer v4 bevorzugt, verglichen mit Cartesia, Inworld und zwei Gemini-Sprachmodellen. Beide Angaben stammen aus der Darstellung von ElevenLabs und bilden eine Momentaufnahme aus dem September ab.

Stimmklon nur mit Einwilligung

Instant Voice Clones erfassen eine Stimme laut ElevenLabs mit 10 Sekunden Audio. Professional Voice Clones werden mit v4 wieder unterstützt. Für jeden Klon verlangt der Anbieter nach Angaben auf der Produktseite und laut TestingCatalog die verifizierte Einwilligung der Person, der die Stimme gehört. Wie diese Prüfung praktisch abläuft, beschreibt keine der gelesenen Quellen. Erzeugtes Audio soll sich laut ElevenLabs über einen AI Speech Classifier als KI-Audio erkennen lassen. Wer schon Klone angelegt hat, muss nacharbeiten, denn Klone aus der Zeit vor dem Start müssen für v4 neu trainiert werden. Eine Stimme aus älteren Projekten läuft also nicht ohne weiteren Schritt mit dem neuen Modell.

Gesteuert werden Betonung und Geräusche über Tags im Text. ElevenLabs nennt als Beispiele „[laughs]“ und „[light rain]“, also Lachen und leichten Regen. SSML-Pausen-Tags sind laut TestingCatalog deaktiviert.

Was der kostenlose Tarif abdeckt

Beim Preis ordnet ElevenLabs v4 wie die anderen Sprachmodelle ein, es gelten dieselben Credit-Preise. Der kostenlose Tarif umfasst 10.000 Credits im Monat, nach Angaben des Anbieters rund 10 Minuten Audio. In der Tarifübersicht auf der Produktseite steht beim kostenlosen Tarif ausdrücklich „Personal use“, also private Nutzung. Ob Instant Voice Clones dort schon möglich sind, geht aus der Übersicht nicht ausdrücklich hervor. Professional Voice Cloning führt sie bei den bezahlten Tarifen, die bei 6 US-Dollar im Monat mit 30.000 und mehr Credits beginnen.

Für den Einsatz im Betrieb reicht der Gratistarif nach dieser Übersicht also nicht.

Zum Umgang mit Daten macht ElevenLabs auf der Produktseite eigene Angaben. Der Anbieter bezeichnet sich dort als „GDPR compliant“. Skripte und Tags werden laut ElevenLabs ohne Einwilligung nicht zum Training genutzt. Den Zero Retention Mode gibt es nur für Enterprise-Kunden und nur bei geeigneten Diensten. Ob der Einsatz im eigenen Betrieb die Anforderungen der DSGVO erfüllt, beantworten diese Angaben nicht; das klärt ein Betrieb mit seinem Datenschutzbeauftragten.

Unsere Einschätzung

Für Betriebe, die über einen Telefonassistenten, Erklärvideos oder vorgelesene Produkttexte nachdenken, sinkt die Einstiegshürde weiter. Testen lässt sich das Modell kostenlos, es deckt über 90 Sprachen ab, und die Turbo-Variante ist auf schnelle Antworten für Sprachagenten ausgelegt. Einen Überblick über Einsatz, Kosten und Datenschutzfragen gibt unser Ratgeber ElevenLabs im Unternehmen.

Aus unserer Sicht gehört vor jeden Test eine Hausregel zu Stimmklonen. Die Stimme eines Mitarbeiters oder des Chefs wird nur mit schriftlicher Einwilligung geklont, und diese Einwilligung wird aufbewahrt. Die verifizierte Einwilligung, die ElevenLabs verlangt, ersetzt eine solche Regel aus unserer Sicht nicht. Sie betrifft das Verhältnis zum Anbieter, die Hausregel das Verhältnis zu den eigenen Leuten. Weil laut Anbieter zehn Sekunden Audio reichen, ist die Schwelle für einen Klon niedrig, und umso klarer sollte feststehen, wer im Betrieb darüber entscheidet.

Wer einen Sprachagenten mit geklonter Stimme betreibt, sollte Kunden aus unserer Sicht offen sagen, dass eine KI spricht.

Für einen ersten Versuch im bezahlten Tarif würden wir mit einem Text beginnen, der ohnehin öffentlich ist, etwa einer Produktbeschreibung, und den Stimmklon erst angehen, wenn die Hausregel schriftlich steht. Wer bereits Klone nutzt, plant den Neuaufbau für v4 ein, bevor ein Kundenkontakt daran hängt. Der Wechsel auf das neue Modell ist damit auch eine Gelegenheit, die vorhandenen Einwilligungen noch einmal zu prüfen.

Quellen

Die genannten Angaben stützen sich auf folgende öffentlich zugängliche Quellen (Stand der Recherche: 29. September 2026):

Häufige Fragen

Was unterscheidet Eleven v4 von Eleven v4 Turbo?

Eleven v4 ist laut ElevenLabs auf Sprachausgabe mit mehr Ausdruck ausgelegt. Eleven v4 Turbo ist die Variante mit geringer Verzögerung: Der Anbieter nennt eine mittlere Rechenzeit von rund 100 Millisekunden und rund 150 Millisekunden bis zur hörbaren Sprache. Laut TechCrunch ist Turbo dadurch für Sprachagenten gedacht.

Spricht Eleven v4 Deutsch?

Ja, Deutsch steht in der Sprachliste der Dokumentation. Insgesamt nennt ElevenLabs über 90 Sprachen. Wie die deutsche Ausgabe im Vergleich zu v3 abschneidet, sagt keine der gelesenen Quellen.

Was braucht ein Stimmklon mit Eleven v4?

Ein Instant Voice Clone erfasst eine Stimme laut ElevenLabs mit 10 Sekunden Audio. Für jeden Klon verlangt der Anbieter die verifizierte Einwilligung der Person, der die Stimme gehört. Klone, die vor dem Start von v4 angelegt wurden, müssen für das neue Modell neu trainiert werden.

Reicht der kostenlose Tarif für einen Betrieb?

Die Tarifübersicht führt den kostenlosen Tarif mit 10.000 Credits im Monat ausdrücklich für private Nutzung. Bezahlte Tarife beginnen bei 6 US-Dollar im Monat und enthalten Professional Voice Cloning. Aus unserer Sicht sollte ein Betrieb vor dem ersten Test festlegen, dass Stimmen von Mitarbeitern nur mit schriftlicher Einwilligung geklont werden.

Wer im Betrieb entscheidet, ob und wessen Stimme eine KI nachbilden darf?

Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI im Alltag einsetzen. Tiefer und praxisnah geht es im Vollkurs Digitalisierungsmanager, DEKRA-zertifiziert und förderfähig über den Bildungsgutschein.

Zuletzt aktualisiert: 29. September 2026. Stand der Recherche: 29. September 2026.