ElevenLabs lança modelo de voz Eleven v4 com foco em expressividade

A ElevenLabs anunciou o lançamento do Eleven v4, seu novo modelo de geração de fala projetado para seguir instruções com maior precisão e manter a consistência da voz em produções longas. Junto com a versão principal, a empresa apresentou o Eleven v4 Turbo, voltado para aplicações em tempo real, como agentes de atendimento e personagens de jogos.

Segundo a desenvolvedora, a arquitetura do Eleven v4 analisa o tom, o ritmo e o contexto do texto fornecido. O sistema gera ruídos como risadas e sussurros com mais confiabilidade do que a versão v3. Os usuários podem inserir orientações via tags, texto corrido ou grafia fonética para ajustar a pronúncia de termos técnicos e nomes próprios. O modelo suporta requisições de até 10.000 caracteres, o equivalente a cerca de dez minutos de áudio continuado.

Velocidade e desempenho em agentes de voz

Voltado para interações instantâneas, o Eleven v4 Turbo inicia a geração de áudio em aproximadamente 150 milissegundos, segundo testes divulgados pela ElevenLabs. Essa medição coloca a ferramenta à frente de concorrentes como o Cartesia Sonic 3.6, que registrou 262 milissegundos nas mesmas condições, e do GPT-4o mini TTS da OpenAI, com 814 milissegundos. O avanço busca atender desenvolvedores que utilizam a plataforma ElevenAgents sem abrir mão da expressividade nas conversas.

Em termos de cobertura, o Eleven v4 expandiu a compatibilidade para mais de 90 idiomas — superando a marca de 70 idiomas da versão anterior. A empresa afirma que as clonagens de voz conseguem falar línguas estrangeiras mantendo o sotaque nativo sem perder a caracterização ao longo do tempo. Além disso, o recurso de clonagem profissional voltou a ser oferecido, enquanto a versão instantânea exige apenas dez segundos de amostra de áudio.

No ranking da Artificial Analysis para áudio, o Eleven v4 aparece à frente do Cartesia Sonic 3.6 e do Gemini 3.8 Flash TTS do Google. No benchmark de pronúncia do mesmo ranking, a nova versão obteve 91,7% de pontuação, contra 85,6% do v3. A ElevenLabs também informou que, em testes cego promovidos por ela, cerca de três quartos dos ouvintes preferiram o v4 a soluções concorrentes.

Preços e disponibilidade

Ambos os modelos já estão disponíveis na API da desenvolvedora, no ElevenCreative e na plataforma ElevenAgents. A tabela padrão do serviço fixa os preços em US$ 80 por milhão de caracteres para o v4 tradicional e US$ 40 para a versão Turbo. No entanto, a empresa aplica valores promocionais de US$ 22 e US$ 11, respectivamente, para requisições realizadas até o dia 12 de outubro. Usuários a partir do plano Creator (US$ 22 mensais) contam com acesso ao v4 sem custo adicional no ElevenCreative por duas semanas, limitado ao dobro de seus créditos mensais.

Por padrão, os dados dos clientes são armazenados em servidores nos Estados Unidos. Clientes corporativos têm a opção de manter o armazenamento em ambientes isolados na União Europeia, Índia ou Singapura. A empresa observa que alguns processamentos ainda podem ocorrer fora da região escolhida, mas oferece um modo específico para a União Europeia que impede a retenção de dados e mantém o processamento de API restrito ao bloco europeu.