Jak deklarują twórcy ElevenLabs, jest to najbardziej ekspresyjny model text-to-speech, czyli technologii pozwalającej na generowanie dźwięków w oparciu o wpisany tekst. Nowy model obsługuje ponad 70 języków. To o prawie 40 więcej, niż poprzednie modele i od dziś dostępny jest dla użytkowników w wersji alpha