Eleven v4 llega con voces más expresivas en más de 90 idiomas

ElevenLabs ha lanzado Eleven v4 y Eleven v4 Turbo, una nueva generación de modelos de texto a voz. Su propuesta es interpretar mejor el tono, el ritmo y la emoción de un guion, manteniendo la identidad del hablante a lo largo de la producción.

Dirigir una locución con instrucciones

Según la compañía, puedes describir cómo debe sonar una frase y añadir etiquetas para indicar emociones, risas o efectos. También mejora la consistencia de diálogos con varias voces y la pronunciación. Ambos modelos admiten más de 90 idiomas; la presentación oficial incluye ejemplos en español y catalán.

Para un profesional que prepara vídeos, formación o contenidos comerciales, nuestra lectura es que merece la pena probar una misma locución con dos o tres indicaciones de tono. No empezaríamos regenerando un vídeo entero: usaríamos un fragmento de treinta segundos con nombres propios, cifras y pausas difíciles. Escuchar ese fragmento permite detectar antes si la voz suena cercana, exagerada o poco creíble para la marca. Es una prueba práctica que proponemos, no una garantía de calidad del modelo.

Turbo prioriza conversación y rapidez

Eleven v4 Turbo está orientado a agentes de voz y usos en tiempo real. ElevenLabs comunica unos 150 milisegundos de mediana hasta el primer audio en sus pruebas, con la latencia de red descontada. Esa cifra no garantiza el tiempo total de respuesta de un asistente, que también depende del resto del sistema.

Los modelos están disponibles en ElevenCreative, ElevenAgents y la API. Hay acceso inicial mediante cuenta gratuita, pero los créditos, funciones y condiciones de uso comercial dependen del plan. Antes de producir una pieza para un cliente, comprobaríamos la licencia y el consumo previsto. Para clonar una voz, utiliza únicamente material cuyo uso tengas autorizado y cuenta con el consentimiento de su titular.

Fuente oficial: ElevenLabs: presentación de Eleven v4.

Fuente oficial: ElevenLabs