ElevenLabs v4: clona una voz con solo 10 segundos de audio

ElevenLabs lanzó Eleven v4 y Eleven v4 Turbo: su modelo de texto a voz más expresivo hasta la fecha, compatible con más de 90 idiomas y con clonación de voz instantánea a partir de apenas 10 segundos de audio.

Qué trae

La familia v4 apunta a dos cosas: más emoción y naturalidad en la voz generada, y un alcance multilingüe amplio. La variante Turbo prioriza la velocidad y la baja latencia, pensada para agentes de voz que conversan en tiempo real, donde cada milisegundo cuenta.

Lo que probamos en español

Lo pusimos a prueba en español a través de la API. El resultado es bueno en naturalidad, aunque —como con cualquier modelo de voz— conviene medirlo con tu propio texto: los nombres propios, las siglas y la puntuación cambian mucho el resultado final, y lo que suena perfecto en una demo puede trastabillar con tu guion real.

Qué revisar antes de migrar

Si ya tienes un agente de voz o un código que llama a una versión anterior, trata la actualización con método: compara la latencia y el costo frente a tu modelo actual, revisa cómo maneja el español y las pausas, y vuelve a validar tus textos clave antes de cambiar en producción. Y una nota importante sobre la clonación de voz: usar la voz de una persona real requiere su consentimiento, algo que la propia plataforma exige y que conviene tener por escrito.