Añadir The App Date como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Clonar una voz en 10 segundos ya no suena a demostración de laboratorio. ElevenLabs ha llevado esa promesa a sus nuevos modelos v4 y v4 Turbo, que llegan con menos latencia, más control sobre la interpretación y soporte para más de 90 idiomas.
La novedad no está solo en que la voz suene más natural. También importa que mantenga su identidad durante textos largos, algo que suele romper la ilusión cuando un asistente cambia el tono a mitad de una lectura o pierde matices después de varios párrafos.
La versión 4 intenta que la voz no se desinfle cuando el texto se alarga
Ahí está uno de los cambios más visibles para el usuario. ElevenLabs asegura que v4 conserva mejor la identidad vocal en lecturas extensas y ajusta las expresiones sin perder el contexto, una diferencia práctica para audiolibros, asistentes o doblajes donde no basta con sonar bien durante diez segundos.
También amplía las etiquetas en línea que controlan la interpretación. Ahora permite apilar varias instrucciones expresivas y respetar la secuencia, de modo que una misma frase puede encadenar cambios de emoción o intención con más precisión.
No es un detalle menor si la herramienta se usa para atención al cliente o para contenidos narrados. La versión 4 puede empezar a generar audio cuando el modelo de lenguaje grande ya está produciendo respuestas, lo que recorta la espera en agentes de voz y acerca la conversación a un ritmo más natural.
El salto en idiomas apunta tanto al creador como al negocio de llamadas
De 70 idiomas en la versión 3 pasa a más de 90 en la versión 4. Las mejoras más marcadas aparecen en japonés, portugués de Brasil, mandarín y cantonés, cuatro idiomas donde la calidad de la entonación y la continuidad pesan mucho más que una simple traducción correcta.
Más del 55% del negocio de ElevenLabs ya procede de grandes empresas en su división de llamadas empresariales. Eso ayuda a entender por qué la compañía insiste tanto en la latencia, en el control de confrontaciones y en la gestión de escaladas y esperas.
Cuando una llamada se tensa o entra en pausa, la voz no puede reaccionar igual en todos los casos. El nuevo modelo distingue esas situaciones de forma separada para mejorar la resolución de incidencias, un ajuste que afecta menos al lucimiento técnico que a la experiencia real de quien llama para resolver un problema.
"En los próximos años" - Mati Staniszewski, cofundador y consejero delegado de ElevenLabs
La frase apareció al hablar de una posible salida a bolsa, aunque sin fijar un calendario. Tiene sentido en una empresa que ya ha pasado de unos 330 millones de dólares en ingresos anualizados a principios de año a más de 600 millones, una aceleración que no suele ocultarse detrás de cambios de producto menores.
El negocio creció a la vez que la empresa duplicó su ambición
A principios de año, ElevenLabs recaudó 500 millones de dólares de Sequoia en una ronda que la valoró en 11.000 millones. Ahora circulan rumores sobre otra financiación que podría elevar esa cifra hasta 22.000 millones, justo cuando la compañía ha superado los 800 empleados tras reforzarse en India, Europa y Brasil.
Visto desde fuera, v4 y v4 Turbo no son solo una mejora de voz para quien crea contenido. Los ingresos anualizados subieron de unos 330 millones de dólares a más de 600 millones, mientras la empresa empuja un producto que necesita sonar convincente tanto en un audiolibro como en una llamada tensa con un cliente.
Esa es la tensión que mejor define este lanzamiento. ElevenLabs vende expresividad y velocidad al mismo tiempo, pero el dato que más pesa sigue siendo otro más del 55% del negocio ya llega de grandes empresas en llamadas, no del brillo de una demo aislada.