ElevenLabs lanza v4: voces con IA en más de 90 idiomas y clonación con 10 segundos

ElevenLabs presentó el 28 de septiembre de 2026 Eleven v4, un nuevo modelo de texto a voz que la empresa describe como el más expresivo que ha desarrollado, junto con Eleven v4 Turbo, una variante de baja latencia orientada a agentes de voz. Según el anuncio oficial, ambos están disponibles desde el lanzamiento en ElevenAgents, ElevenCreative y a través de su API, y pueden probarse con una cuenta gratuita.

TechCrunch informó que los nuevos modelos admiten más de 90 idiomas, frente a los 70 de la versión anterior, y que la compañía observó la mayor mejora de calidad en japonés, portugués de Brasil, mandarín y cantonés.

Cómo funciona

De acuerdo con ElevenLabs, Eleven v4 se construyó sobre una arquitectura completamente nueva, diseñada para interpretar el tono, el ritmo, la emoción, el personaje y el contexto de un texto. El objetivo es que una misma frase suene distinta según quién la dice y en qué situación, manteniendo la identidad de la voz.

Entre las novedades que detalla la empresa están:

• Etiquetas dentro del texto para indicar cómo decir una frase, qué emoción transmitir o qué efecto de sonido añadir, por ejemplo risas o lluvia de fondo. TechCrunch señala que en v4 se pueden encadenar varias etiquetas y el modelo sigue la secuencia.
• Diálogos entre varios hablantes en los que cada voz responde a lo que se acaba de decir, en lugar de unir líneas aisladas.
• Mejor soporte del Alfabeto Fonético Internacional para pronunciaciones personalizadas.
• Una voz grabada en un idioma puede hablar otro con acento nativo sin perder la identidad original.
• Clonación instantánea de voz con alta fidelidad a partir de 10 segundos de audio, y regreso de la clonación profesional para los casos de mayor calidad.

Para los agentes de voz, Eleven v4 Turbo registra una latencia mediana de inferencia de unos 100 milisegundos y un tiempo mediano hasta el primer sonido audible de unos 150 milisegundos, según mediciones de la propia empresa realizadas en septiembre de 2026. ElevenLabs afirma que optimizó Turbo y su plataforma ElevenAgents como un solo sistema.

La compañía también indica que Eleven v4 ocupó el primer lugar en la clasificación Provider Voice Arena de Artificial Analysis de septiembre de 2026 y que alrededor del 75 % de los oyentes lo prefirió en pruebas a ciegas frente a modelos de Cartesia, Inworld y Google. Estas cifras provienen de la empresa.

Antecedentes

ElevenLabs lanzó su modelo v3 el año pasado, recordó TechCrunch, que también reportó que la empresa recaudó 500 millones de dólares de Sequoia este año en una ronda que la valoró en 11.000 millones de dólares. Según ese medio, sus ingresos anualizados pasaron de unos 330 millones de dólares a comienzos de año a más de 600 millones, y su plantilla supera las 800 personas, con contrataciones en India, Europa y Brasil. Más del 55 % de su negocio proviene de grandes empresas.

El mercado de modelos de voz tiene cada vez más participantes. TechCrunch menciona a startups como Cartesia, Deepgram, Fish Audio, Boson y WellSaid Labs, además de las mejoras de Google y OpenAI en sus propios modelos de voz. VKTR, publicación especializada en inteligencia artificial empresarial, señala que en los agentes de voz la competencia se mide sobre todo por la velocidad de respuesta y por qué tan humana suena la voz.

Qué significa

ElevenLabs plantea los nuevos modelos para audiolibros, personajes, locución, doblaje y agentes conversacionales localizados. Según la empresa, en doblaje y localización la voz elegida por una marca puede sonar con naturalidad en cualquiera de los idiomas admitidos. El español figura entre los ejemplos de audio publicados en el anuncio.

Para creadores de contenido y empresas hispanohablantes que producen locuciones o atienden clientes por teléfono, los modelos ya pueden usarse desde las aplicaciones de ElevenLabs o su API. La rapidez de Turbo apunta a centros de atención automatizados, donde, según la empresa, hasta ahora había que elegir entre agentes rápidos o agentes expresivos.