Eleven v4 de ElevenLabs: qué cambia para tus voces
ElevenLabs lanzó Eleven v4 y v4 Turbo el 28 de septiembre de 2026. Qué dicen las notas de lanzamiento y qué deberían probar primero los equipos de marketing.
ElevenLabs lanzó dos modelos nuevos de texto a voz el 28 de septiembre de 2026: Eleven v4 y un hermano más rápido, Eleven v4 Turbo. Según el anuncio de la compañía, v4 está pensado para una voz más expresiva, y Turbo para usos de baja latencia, como los agentes en directo.
Si produces locuciones, anuncios o vídeos de producto, esto es lo nuevo y lo que probaríamos primero.
¿Qué anunció ElevenLabs?
Según el anuncio de la compañía y la entrada del registro de cambios del 28 de septiembre de 2026:
- Dos modelos. Eleven v4 para narraciones expresivas, y Eleven v4 Turbo para velocidad.
- Latencia. La cobertura del lanzamiento cita una latencia mediana de inferencia de unos 100 milisegundos para Turbo, y un tiempo mediano hasta la primera voz de unos 150 milisegundos. Ambas cifras son del proveedor, medidas en su propia configuración.
- Idiomas. Ambos cubren unos 90 idiomas, frente a 70 de la versión anterior.
- Control expresivo. Los modelos leen el tono, el ritmo y el contexto, y aceptan etiquetas de audio en línea dentro del guion, como [laughing] o [whispering]. Las etiquetas SSML de pausa están desactivadas en v4 a favor de estas indicaciones en lenguaje natural.
- Clonación de voz. Se puede clonar una voz con unos 10 segundos de audio. Según la cobertura, los clones antiguos Instant y Professional necesitan volver a entrenarse para v4.
- Dónde funciona. Disponible en ElevenAgents, ElevenCreative y a través de la API.
La nota de lanzamiento también hace afirmaciones de ranking. Son declaraciones de la compañía, así que tómalas como marketing hasta que escuches el modelo con tu propio guion.
¿Por qué importa para el marketing?
Dos cosas destacan.
Primero, las etiquetas de audio. Una indicación como «riendo» o una pista de ánimo dentro del guion significa menos repeticiones y menos edición. En anuncios cortos, puede marcar la diferencia entre una voz que suena leída y una que suena dicha.
Segundo, la muestra corta para clonar. Diez segundos reducen la barrera para crear una voz de marca, pero también suben lo que está en juego con el consentimiento. Clona solo voces que tengas permiso por escrito para usar, y guarda ese permiso en tu archivo.
¿Qué deberías probar primero?
Dedica 30 minutos a una prueba antes de cambiar cualquier flujo de trabajo.
- Toma un guion real de 30 segundos, con el nombre de tu producto y cualquier cifra.
- Genéralo con v4 y con tu voz actual.
- Añade dos o tres etiquetas de audio donde una persona haría una pausa o sonreiría.
- Renderízalo en tus dos idiomas principales y que lo escuche una persona nativa.
- Compara coste y tiempo de entrega, no solo el sonido.
Si la pronunciación del nombre de tu marca falla en un idioma, corrígela con un diccionario de pronunciación o con una escritura fonética antes de juzgar el modelo.
Qué vigilar después
Los precios, los límites de uso y la calidad real en idiomas menos comunes son las preguntas abiertas. Nuestra guía sobre cómo elegir una herramienta de IA para vídeo, voz o imagen cubre las comprobaciones de derechos y costes antes de comprometerte, y el centro de IA para imágenes, vídeo y medios sigue los lanzamientos nuevos de este sector.
Preguntas frecuentes
¿Qué es Eleven v4?
Es el modelo de texto a voz de ElevenLabs lanzado el 28 de septiembre de 2026, pensado para una voz más expresiva con etiquetas de audio en línea.
¿Cuál es la diferencia entre v4 y v4 Turbo?
Turbo es la versión de baja latencia para uso en tiempo real, con una latencia mediana de inferencia que la compañía sitúa en unos 100 ms. v4 es el modelo expresivo para narración y contenido.
¿Puedo clonar una voz con 10 segundos de audio?
ElevenLabs dice que un clon ya funciona con unos 10 segundos de audio. Aun así necesitas permiso de la persona cuya voz es.
