Ir al contenido
por InfinyAI EN

IA en un minutoNoticiasModelos

ModelosActualizado:

ElevenLabs lanza Eleven v4, su modelo de voz más emotivo

Redacción de IA en un minuto · Editor: Jon Elgezabal

En 30 segundos

Eleven v4 es el nuevo modelo de texto a voz de ElevenLabs, que permite marcar con etiquetas en el propio texto la emoción, la entonación o incluso efectos de sonido. Su versión Turbo, pensada para agentes de voz que no pueden hacer esperar, empieza a responder en unos 150 milisegundos. Los dos modelos hablan más de 90 idiomas, con el español y el catalán entre ellos, y la clonación instantánea solo necesita 10 segundos de grabación.

ElevenLabs lanzó el 28 de septiembre dos modelos de texto a voz: Eleven v4, que presenta como el más emotivo que ha hecho, y Eleven v4 Turbo, su variante de baja latencia para agentes de voz. Según ElevenLabs, quien montaba uno de estos agentes tenía que elegir hasta ahora entre rapidez y expresividad, porque los modelos de más calidad tardaban más en generar la voz.

Eleven v4 se apoya en una arquitectura nueva y permite dirigir la locución desde el propio texto. Con etiquetas entre corchetes intercaladas en las frases, por ejemplo para una risa, un acento o un teléfono que vibra, se indica cómo decir ciertas frases, qué emoción transmitir e incluso qué efectos de sonido añadir. También mejoran, según la compañía, los diálogos entre varios hablantes y la pronunciación personalizada con el alfabeto fonético internacional.

Eleven v4 y su versión Turbo funcionan en más de 90 idiomas; el catalán y el español están en la lista. Según el blog de ElevenLabs, una voz grabada en una lengua puede hablar ahora cualquiera de las demás con acento nativo y sin perder su identidad. La clonación instantánea de voz (Instant Voice Clones) capta una voz con solo 10 segundos de audio, y Eleven v4 incorpora además las clonaciones profesionales (Professional Voice Clones).

La versión Turbo se ha optimizado junto con ElevenAgents, la plataforma de agentes conversacionales de la empresa. Tarda una mediana de unos 150 milisegundos en empezar a hablar, un dato que ElevenLabs midió en septiembre con transmisión por WebSocket y descontando la latencia de red. En pruebas a ciegas de ese mismo mes frente a modelos de Cartesia, Inworld y Google, cerca del 75 % de los oyentes prefirió Eleven v4, que según la compañía ocupa además el primer puesto en la clasificación de voces de Artificial Analysis.

Los dos ya están disponibles en ElevenAgents, en ElevenCreative y a través de ElevenAPI.

Por qué importa · análisis y opinión

Elegir entre una voz rápida y una voz con matices era, según ElevenLabs, el peaje de cualquier agente telefónico, y Eleven v4 Turbo pretende quitarlo. Para quien atiende llamadas o produce audio, el cambio práctico está en las etiquetas: el tono, la emoción y hasta un efecto de sonido se escriben dentro del guion, como haría un director con un locutor. Que el castellano y el catalán estén entre los idiomas admitidos abre la puerta a negocios que trabajan en esas lenguas sin pasar por el inglés. Queda una reserva seria: las pruebas a ciegas que dan ventaja a Eleven v4 las organizó la propia empresa. Antes de dejar a un agente así al teléfono, merece la pena escucharlo con nombres de calles, marcas y apellidos reales, y avisar a quien llama de que al otro lado hay una máquina.

Fuente oficial: ElevenLabs · Redactada con ayuda de IA: cómo hacemos las noticias

La IA en tu correo, cada día o cada viernes

Las noticias que importan, cada una en un minuto. Con su fuente de cada una.

Elige uno o los dos:

Te apuntas y listo: el diario te llega cada noche y el semanal, los viernes por la mañana. Puedes darte de baja en cualquier envío.