Eleven v4 frente a Eleven v3: qué cambió y qué significa para tu locución

Eleven v4 frente a Eleven v3 en un párrafo#

Elegir entre Eleven v4 y Eleven v3 exige criterios distintos para una locución grabada y para un agente de voz en vivo. ElevenLabs anunció v4 y v4 Turbo el 28 de septiembre de 2026 (Se abre en una pestaña nueva), con una actualización fechada el 19 de octubre: una arquitectura nueva, una mayor cobertura de idiomas y un control de voz revisado son cambios comunicados por el proveedor. Al 21 de octubre de 2026, ninguno de los modelos v4 está disponible en OmniArt. Puedes seguir produciendo con Eleven v3, Eleven Multilingual v2 o Eleven Turbo v2.5. Para un video que editarás antes de publicarlo, evalúa la interpretación grabada; para un agente que debe responder de inmediato, investiga por separado la latencia de transmisión.

Qué dice ElevenLabs que cambió#

La comparación siguiente distingue los controles que puedes seleccionar en OmniArt de las afirmaciones más amplias de ElevenLabs sobre sus modelos. Los datos de OmniArt provienen del catálogo de voz y las listas de idiomas, consultados el 21 de octubre de 2026. La columna de v4 resume el anuncio de lanzamiento fechado (Se abre en una pestaña nueva); sus capacidades las comunica el proveedor y no provienen de una comparación práctica en OmniArt.

El número de opciones del selector de idiomas es un detalle de integración, no una medida completa de la calidad del modelo. Verifica el idioma que necesitas y después escucha nombres, fechas y transiciones en ese idioma. Del mismo modo, una función de clonación del proveedor no demuestra que una plataforma de creación la ofrezca. Este artículo no propone un flujo de clonación de voz en OmniArt ni predice cuándo llegará v4.

Cómo interpretar las dos cifras de latencia#

ElevenLabs comunica una latencia mediana de inferencia de aproximadamente 100 ms para Eleven v4 Turbo en el apartado de arquitectura de su anuncio del 28 de septiembre, actualizado el 19 de octubre de 2026 (Se abre en una pestaña nueva). Esa afirmación no incluye un método de medición. No debe presentarse como tiempo entre la solicitud y la voz audible.

Por separado, la misma fuente comunica un tiempo mediano hasta la primera voz de aproximadamente 150 ms para Eleven v4 Turbo. La nota 3 lo define como el tiempo entre la solicitud y la voz audible, medido en septiembre de 2026 con guiones idénticos y ajustes predeterminados, mediante transmisión por WebSocket para v4 Turbo. Se midió y eliminó la latencia de red de todos los sistemas. El grupo de comparación incluía Cartesia Sonic 3.6, xAI TTS, Google Gemini 3.8 Flash-Lite TTS y OpenAI GPT-4o mini TTS. Ambas cifras provienen del proveedor; ninguna corresponde a la latencia del modelo v4 sin Turbo.

Son medidas distintas. No las conviertas en un intervalo ni las restes para deducir una fase de procesamiento que el proveedor no documentó. Una mediana tampoco revela cómo se comportará una solicitud lenta.

Para un agente en vivo, prueba la interacción completa con la red y los dispositivos que utiliza tu público. La espera de quien escucha incluye más que la síntesis de voz: influyen la detección de turnos, la planificación de la respuesta, el transporte y la reproducción. Eliminar el tiempo de red ayuda a aislar una prueba de rendimiento, pero la hace menos representativa de la espera total del oyente.

Para narraciones de YouTube, anuncios o videos localizados generados de antemano, la latencia de la primera palabra rara vez determina el resultado final. Escucha, en cambio, la interpretación, la pronunciación, las pausas y la facilidad de edición. La velocidad de generación puede afectar tu jornada; no convierte una lectura débil en una toma adecuada para el montaje final.

Las afirmaciones de preferencia y clasificación#

La publicación de lanzamiento de ElevenLabs (Se abre en una pestaña nueva) afirma que v4 ocupó el primer puesto en Provider Voice Arena de Artificial Analysis en septiembre de 2026. Es una clasificación histórica citada por el proveedor. La posición actual no se confirmó de forma independiente al 21 de octubre de 2026.

La publicación también comunica aproximadamente un 75 % de preferencia de los oyentes en las pruebas ciegas que realizó la propia empresa en septiembre de 2026. Los evaluadores compararon la misma frase en expresividad y naturalidad; los empates contaron como medio punto. Los competidores fueron Cartesia Sonic 3.6, Inworld TTS-2, Google Gemini 3.8 Flash-Lite TTS y Google Gemini 3.8 Flash TTS. Es una prueba realizada por el proveedor con un grupo de competidores distinto al de la prueba de latencia. No mide una preferencia frente a v3 en OmniArt.

Usa estas afirmaciones para decidir qué probar, sin sustituir la escucha de tu propio guion. Un nombre de producto mal pronunciado puede pesar más que una lectura general pulida. Para localizar contenido, pide a alguien que domine el idioma de destino que revise la interpretación en contexto. Este artículo no incluye una prueba de escucha de v4 ni establece una clasificación independiente de calidad.

Locución en OmniArt hoy#

Al 21 de octubre de 2026, el catálogo de voz de OmniArt y las unidades de tarificación ofrecen estas opciones prácticas. Los límites y costos siguientes son ajustes de OmniArt, no precios de la API de ElevenLabs.

Las mismas listas de idiomas fechadas ofrecen 29 códigos de idioma más detección automática para Multilingual v2 y 32 más detección automática para Turbo v2.5. Confirma tu idioma en el selector antes de elegir solo por la longitud del guion.

Con las reglas de precios del 21 de octubre de 2026 indicadas arriba, un guion de 1,000 caracteres cuesta 20 créditos con v3 y 10 créditos con Turbo v2.5. Los bloques se redondean hacia arriba: agregar texto después de completar un bloque inicia otro bloque facturable. Son estimaciones por generación; las tomas adicionales tienen sus propios costos. Verifica la estimación que aparece en el modo Audio tras pegar tu guion real, incluidas las etiquetas de dirección.

Para evaluar v3, elige Habla, selecciona el modelo, mantén fija una voz predefinida y empieza con un pasaje que necesite un cambio claro de interpretación. Prueba este guion, quita después las etiquetas entre corchetes y vuelve a escucharlo:

Escucha si el entusiasmo llega en el momento previsto y si el final más suave sigue siendo inteligible. Coloca un pasaje neutro junto al dirigido para oír una transición, además de un efecto aislado. Cambia una parte del guion cada vez y conserva la toma que mejor sirva al montaje.

Para ver dónde colocar las etiquetas y ejemplos de uso, consulta la guía de etiquetas de audio de Eleven v3. Para el proceso de edición completo, consulta locución con IA para videos de YouTube; para una alternativa con el plan Free, usa la guía de MiniMax Speech. Aplica los límites y costos actuales indicados arriba si un tutorial anterior difiere.