Eleven v4 and Eleven v4 Turbo
ElevenLabs · Voz e linguagem
Eleven v4 e Eleven v4 Turbo são os modelos de texto para fala da ElevenLabs para áudio emocional com vários falantes. O Turbo mantém a expressividade e reduz a latência para cerca de 100 ms em agentes de voz.
Sobre Eleven v4 and Eleven v4 Turbo
About
O que é Eleven v4 e Eleven v4 Turbo
Eleven v4 é o modelo de voz mais recente da ElevenLabs, um sistema de texto para fala de quarta geração lançado em 28 de setembro de 2026. Ele lê um roteiro prestando atenção em quem fala, no que acabou de acontecer na cena e em como cada linha deve soar. Em vez de manter um tom plano do começo ao fim do parágrafo, ajusta ritmo, ênfase e respiração ao texto.
O Turbo é o lado de baixa latência dessa mesma síntese de voz expressiva. Mantém a faixa emocional e muda a velocidade. A ElevenLabs indica latência média de inferência perto de 100 ms e primeiro áudio em cerca de 150 ms. Um agente no telefone responde antes de o interlocutor notar a pausa.
Nenhum dos dois é um chatbot. Você traz o roteiro, escolhe uma voz e dirige a interpretação. A ElevenLabs coloca o Eleven v4 em primeiro lugar no ranking de voz da Artificial Analysis e afirma que cerca de 75% dos ouvintes o preferiram em testes cegos. É uma alegação do fabricante, então vale conferir com o seu próprio material.
Os limites são práticos. Cada geração aceita 10.000 caracteres, a cobrança é feita em créditos e qualquer clonagem de voz exige consentimento verificado de quem é dono da voz. Clones criados antes do lançamento do v4 também precisam de novo treinamento. Consentimento não é opcional.
Como começar
- Crie uma conta na ElevenLabs. O plano gratuito inclui 10.000 créditos por mês, cerca de dez minutos de áudio.
- Abra o Text to Speech e escolha o Eleven v4 para conteúdo produzido ou o Eleven v4 Turbo para um agente ao vivo. Na API, troque pelo identificador
eleven_v4oueleven_v4_turbo. - Escolha uma voz da biblioteca com mais de 17.500 opções, clone uma a partir de uma gravação curta ou gere uma a partir de uma descrição escrita.
- Escreva o roteiro e acrescente indicações entre colchetes, como [whispers], [laughs] ou [long pause], onde a interpretação deve mudar.
- Gere a tomada e baixe em MP3, WAV, PCM ou µ-law conforme o destino do áudio.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Eleven v4 and Eleven v4 Turbo.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Produtores de audiolivros e podcasts
- Equipes de jogos e animação
- Equipes de produto que criam agentes de voz
Tarefas
- Narrar um manuscrito inteiro
- Dirigir uma cena com vários personagens
- Levar uma voz de marca para vários mercados
- Atender uma linha telefônica ao vivo
Cenários
- Transformar um arquivo escrito em uma série para ouvir
- Dublar um curso ou vídeo de treinamento em vários idiomas
- Prototipar um bot de suporte ou um fluxo de URA
Principais recursos
Direção escrita dentro do roteiro
O Eleven v4 lê as tags de áudio na linha como notas de interpretação. [whispers], [laughs], [building], [door slams] e sinais parecidos moldam tom, ritmo e som de fundo. O modelo segue sequências de tags com mais fidelidade que o v3, inclusive quando elas se acumulam. Dá para dirigir uma cena em linguagem natural, sem repetir tomadas.
Costura de contexto para gravações longas
Uma geração termina nos 10.000 caracteres, mas a costura de contexto leva ritmo, tom e entrega de um trecho para o outro, o que evita que uma sessão longa soe como várias gravações coladas. Um audiolivro montado com dezenas de passagens é ouvido como uma leitura contínua.
Identidade do falante entre tomadas
Regerar uma linha antes podia trazer uma pessoa ligeiramente diferente. O Eleven v4 mantém a identidade do falante estável em diálogo, narração e gerações repetidas. Corrigir uma frase não obriga mais a refazer o capítulo inteiro.
Clonagem de voz com dez segundos de áudio
Os clones instantâneos precisam de cerca de dez segundos de voz limpa e capturam mais timbre original que os modelos anteriores. Dez segundos bastam. Os clones de voz profissionais, que o v3 deixou de fora, voltam e usam toda a faixa emocional do modelo. Todo clone exige consentimento verificado do dono da voz.
Mais de noventa idiomas com sotaque local
Os dois modelos cobrem mais de 90 idiomas. Uma voz gravada em inglês fala japonês, espanhol ou português com sotaque de falante nativo e mantém a identidade. Essa fidelidade de sotaque dura a geração inteira, o que importa em dublagem e em marcas que usam uma só voz em vários países.
Turbo para conversa ao vivo
O Eleven v4 Turbo recebe texto e devolve áudio em streaming, então começa a falar antes de seu modelo terminar a frase. A latência média de inferência fica perto de 100 ms e a faixa expressiva acompanha o modelo padrão. Essa combinação faz um agente de voz em tempo real soar como pessoa, não como aviso gravado.
Prós e contras
Prós
- Faixa emocional que se sustenta numa cena inteira, não só numa linha.
- As tags de áudio são obedecidas o bastante para economizar repetições manuais.
- Os clones de voz profissionais voltam, com o mesmo comportamento nos dois modelos.
- Uma voz clonada continua reconhecível em mais de noventa idiomas.
- A latência do Turbo permite chamadas ao vivo sem perder expressividade.
Contras
- 10.000 caracteres por geração exigem costura e revisão extra em livros longos.
- O preço em créditos é difícil de prever quando você gera em volume.
- Clones treinados antes do lançamento do v4 precisam de novo treinamento.
- As tags SSML de pausa estão desativadas, então o controle depende de indicações em linguagem natural.
Perguntas frequentes
O Eleven v4 é o modelo de texto para fala da ElevenLabs para áudio expressivo com vários falantes. Ele interpreta tom, ritmo e contexto do roteiro, e aceita tags de áudio que dirigem a entrega de cada linha. Foi lançado em 28 de setembro de 2026.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Eleven v4 and Eleven v4 Turbo.
Alternativas a Eleven v4 and Eleven v4 Turbo
Foley
Hanamori Labs, LLC · Voz e linguagem · Produtividade · Assistente de IAFoley é uma lista de tarefas por voz que transforma uma frase falada em tarefa arquivada, com projeto, data e hora já preenchidos, e depois ajuda você a organizar o dia com o que já está anotado.
HireKey
HireKey · Voz e linguagem · Produtividade · AprendizadoHireKey é um copiloto de busca de emprego com IA criado por uma recrutadora de tecnologia. Avalia aderência à vaga, adapta o currículo, treina entrevistas e organiza cada candidatura.
Fluence
Yay Software (Yannick Huchard) · Escrita · Voz e linguagem · ProdutividadeO Fluence é um app de Android que lê em voz alta PDF, EPUB, arquivos do Word e artigos da web, acompanha a frase falada e responde perguntas sobre o texto sem sair do celular.