Eleven v4 vs Eleven v3: o que mudou e o que isso significa para sua locução

Eleven v4 vs Eleven v3 em um parágrafo#

Escolher entre Eleven v4 e Eleven v3 envolve critérios diferentes para uma locução gravada e para um agente de voz ao vivo. A ElevenLabs anunciou v4 e v4 Turbo em 28 de setembro de 2026 (Abre em uma nova aba), com uma atualização datada de 19 de outubro: nova arquitetura, cobertura de idiomas ampliada e controle de voz reformulado são mudanças relatadas pelo provedor. Em 21 de outubro de 2026, nenhum dos modelos v4 está disponível no OmniArt. Você pode continuar produzindo com Eleven v3, Eleven Multilingual v2 ou Eleven Turbo v2.5. Para um vídeo que será editado antes da publicação, avalie a interpretação gravada; para um agente que precisa responder imediatamente, investigue a latência de transmissão separadamente.

O que a ElevenLabs diz ter mudado#

A comparação abaixo separa os controles selecionáveis no OmniArt das alegações mais amplas da ElevenLabs sobre os modelos. Os dados do OmniArt vêm do catálogo de fala e das listas de idiomas, consultados em 21 de outubro de 2026. A coluna de v4 resume o anúncio de lançamento datado (Abre em uma nova aba); as capacidades foram relatadas pelo provedor e não resultam de uma comparação prática no OmniArt.

A quantidade de opções no seletor de idiomas é um detalhe da integração, não uma medida completa da qualidade do modelo. Verifique o idioma de que você precisa e depois ouça nomes, datas e transições nesse idioma. Da mesma forma, um recurso de clonagem do provedor não comprova que uma plataforma de criação o disponibilize. Este artigo não oferece um fluxo de clonagem de voz no OmniArt nem prevê quando v4 chegará.

Como interpretar os dois números de latência#

A ElevenLabs informa latência mediana de inferência de aproximadamente 100 ms para Eleven v4 Turbo na seção de arquitetura de seu anúncio de 28 de setembro, atualizado em 19 de outubro de 2026 (Abre em uma nova aba). Essa afirmação não vem acompanhada de um método de medição. Ela não deve ser apresentada como tempo entre a solicitação e a fala audível.

Separadamente, a mesma fonte informa tempo mediano até a primeira fala de aproximadamente 150 ms para Eleven v4 Turbo. A nota de rodapé 3 define esse intervalo como o tempo da solicitação até a fala audível, medido em setembro de 2026 com roteiros idênticos e configurações padrão, usando transmissão via WebSocket para v4 Turbo. A latência de rede foi medida e removida para todos os sistemas. O grupo de comparação incluía Cartesia Sonic 3.6, xAI TTS, Google Gemini 3.8 Flash-Lite TTS e OpenAI GPT-4o mini TTS. Ambos os números foram relatados pelo provedor; nenhum representa a latência do modelo v4 sem Turbo.

São medidas distintas. Não as transforme em uma faixa nem subtraia uma da outra para deduzir uma etapa de processamento que o provedor não documentou. Uma mediana também não revela como uma solicitação lenta se comportará.

Para um agente ao vivo, teste a interação completa na rede e nos dispositivos usados por seu público. A espera de quem ouve envolve mais do que a síntese de fala: detecção de turnos, planejamento da resposta, transporte e reprodução contribuem para ela. Remover o tempo de rede ajuda a isolar um teste de desempenho, mas o torna menos representativo da espera total de quem está ouvindo.

Para narração de YouTube, anúncios ou vídeos localizados gerados antecipadamente, a latência da primeira palavra raramente determina o resultado final. Ouça a interpretação, a pronúncia, as pausas e a facilidade de edição. A velocidade de geração pode afetar seu dia de trabalho; ela não torna uma interpretação fraca adequada para a edição final.

As alegações de preferência e classificação#

O anúncio de lançamento da ElevenLabs (Abre em uma nova aba) afirma que v4 ficou em primeiro lugar na Provider Voice Arena da Artificial Analysis em setembro de 2026. Trata-se de uma classificação histórica citada pelo provedor. A posição atual no ranking não foi confirmada de forma independente até 21 de outubro de 2026.

O anúncio também relata aproximadamente 75% de preferência dos ouvintes nos testes cegos realizados pela própria empresa em setembro de 2026. Os avaliadores compararam a mesma fala em expressividade e naturalidade; empates contaram como meio ponto. Os concorrentes foram Cartesia Sonic 3.6, Inworld TTS-2, Google Gemini 3.8 Flash-Lite TTS e Google Gemini 3.8 Flash TTS. Esse teste foi conduzido pelo provedor com um grupo de concorrentes diferente do teste de latência. Ele não mede uma preferência em relação a v3 no OmniArt.

Use essas alegações para decidir o que experimentar, sem substituir o teste com seu roteiro. Um nome de produto pronunciado incorretamente pode pesar mais do que uma leitura geral bem-acabada. Para localização, peça a alguém fluente no idioma de destino que confira a interpretação em contexto. Este artigo não inclui teste de escuta de v4 nem estabelece uma classificação independente de qualidade.

Locução no OmniArt hoje#

Em 21 de outubro de 2026, o catálogo de fala do OmniArt e as unidades de cobrança oferecem estas opções práticas. Os limites e custos abaixo são configurações do OmniArt, não os preços da API da ElevenLabs.

As mesmas listas de idiomas datadas disponibilizam 29 códigos de idioma, além da opção automática, para Multilingual v2 e 32, além da opção automática, para Turbo v2.5. Confirme seu idioma no seletor antes de escolher apenas pelo tamanho do roteiro.

Pelas regras de preços de 21 de outubro de 2026 acima, um roteiro de 1.000 caracteres custa 20 créditos em v3 e 10 créditos em Turbo v2.5. Os blocos são arredondados para cima: adicionar texto além de um bloco completo inicia outro bloco cobrável. Essas estimativas são por geração; tomadas adicionais têm seus próprios custos. Confira a estimativa exibida no modo Áudio depois de colar seu roteiro real, incluindo as tags de direção.

Para avaliar v3, escolha Fala, selecione o modelo, mantenha a mesma voz predefinida e comece com um trecho que precise de uma mudança clara na interpretação. Experimente este roteiro, depois remova as tags entre colchetes e ouça novamente:

Ouça se a empolgação aparece no momento pretendido e se o final mais baixo continua compreensível. Mantenha um trecho neutro ao lado do trecho dirigido para ouvir uma transição, não apenas um efeito isolado. Altere uma parte do roteiro por vez e guarde a tomada que funciona para a edição.

Para exemplos de posicionamento e de tags, use o guia de tags de áudio de Eleven v3. Para o fluxo de edição mais amplo, veja locução com IA para vídeos do YouTube; para uma alternativa no plano Free, use o guia de MiniMax Speech. Use os limites e custos atuais acima se um tutorial antigo apresentar diferenças.