Un buen video con avatar de IA puede fracasar por un solo motivo: una voz que lee el guion en lugar de interpretarlo. La sincronización labial es correcta, el encuadre es correcto, pero la entonación suena igual desde la primera hasta la última línea.
Esa es la brecha que ElevenLabs se propuso cerrar con Eleven v4, lanzado el 28 de septiembre de 2026. AI Studios ahora funciona con esta tecnología. A continuación, explicamos qué cambia el modelo, qué significa para los videos que creas en AI Studios y cómo escribir guiones para aprovecharlo al máximo.
¿Qué es ElevenLabs Eleven v4?
Eleven v4 es el modelo de texto a voz más reciente de ElevenLabs. Su enfoque es la interpretación: leer el tono, el ritmo, la emoción y el carácter del guion, no solo pronunciar las palabras.
Se lanza en dos versiones. Eleven v4 es el modelo con todas las funciones para contenido producido. Eleven v4 Turbo comparte la misma arquitectura pero está optimizado para la velocidad, orientado a agentes de voz en tiempo real.
Algunas cifras publicadas por ElevenLabs en el lanzamiento:
- Clasificado en primer lugar en la tabla de clasificación de texto a voz de Artificial Analysis (septiembre de 2026)
- Preferido por aproximadamente el 75% de los oyentes en pruebas ciegas comparativas frente a modelos de la competencia
- Alrededor de 150 ms de tiempo medio hasta la primera palabra audible en v4 Turbo
Un cambio práctico para los guionistas: v4 se aleja del marcado estilo SSML. Las instrucciones se escriben directamente en el texto como etiquetas en lenguaje sencillo, como [ríe], [susurra] o [lluvia ligera].
Cinco aspectos que mejoraron en v4
1. Una gama más amplia de etiquetas de emoción
v4 entiende más instrucciones y las sigue de forma más fiable que v3, especialmente cuando aparecen varias etiquetas seguidas. Puedes ir más allá de las emociones básicas e incluir indicaciones de interpretación como [dicho con enfado y acento francés] o efectos de sonido como [puerta cerrándose].
2. Más de 90 idiomas
La compatibilidad lingüística ahora abarca más de 90 idiomas. La misma voz puede hablar cada uno de ellos con un acento natural, manteniendo el ritmo y la emoción en lugar de perderlos durante la traducción.
3. El mismo locutor suena siempre igual
Los modelos anteriores podían variar: una voz que sonaba ligeramente diferente de un párrafo a otro, o de un video a otro. v4 mantiene la voz del locutor estable y sin distorsiones, incluso en diálogos con varios personajes.
4. Los guiones largos se mantienen conectados
La v4 lee un guion como un todo, no como frases aisladas. La unión contextual mantiene el tono y el ritmo constantes en audios de larga duración, para que un módulo de formación de 10 minutos no suene como 40 clips separados unidos entre sí.
5. 150 ms hasta la primera palabra
En v4 Turbo, el tiempo medio hasta la primera palabra audible es de unos 150 ms, con aproximadamente 100 ms de latencia de inferencia. ElevenLabs sitúa a la competencia entre 262 y 814 ms. Esa diferencia es lo que hace posible una interacción natural en conversaciones.
Qué cambia en AI Studios
Dos cosas cambian para los usuarios de AI Studios.
Las etiquetas de emoción ahora funcionan en la v4. Hasta ahora, los guiones con etiquetas de emoción en AI Studios se procesaban con Eleven v3. Ahora funcionan con la v4, por lo que obtienes una gama más amplia de etiquetas y un seguimiento más fiable sin cambiar tu forma de escribir.
Las voces se mantienen constantes. Cuando el mismo avatar y la misma voz aparecen en una serie, ya sea un curso, una demostración de producto o actualizaciones semanales, la voz se mantiene estable de una escena a otra y de un vídeo a otro. Los espectadores escuchan a un solo presentador, no a una aproximación.
Cómo escribir un guion con etiquetas de emoción
Las etiquetas funcionan mejor como instrucciones para un actor, no como decoración. Colócalas justo antes de la frase que deben afectar y úsalas donde la interpretación deba cambiar.
Un guion sencillo:
Welcome back. Last week we covered onboarding. Today we're looking at the one mistake almost every new team makes.
El mismo guion con instrucciones:
[warmly] Welcome back. Last week we covered onboarding.
[pauses] [lowers voice] Today we're looking at the one mistake almost every new team makes.
Algunos hábitos que ayudan:
- Etiqueta el cambio, no cada línea. Si todo el guion es cálido, basta con una etiqueta al principio.
- Sé específico. [suspira, aliviado] le da al modelo más información con la que trabajar que [feliz].
- Mantén los guiones completos. Dado que la v4 interpreta el contexto de todo el guion, pegar el texto completo proporciona un mejor ritmo que dividirlo en escenas cortas.
- Escucha una vez, ajusta una vez. Previsualiza la primera escena antes de generar el vídeo completo.
Donde se nota la diferencia
Preguntas frecuentes
¿Qué es ElevenLabs v4?
Eleven v4 es el modelo de conversión de texto a voz más reciente de ElevenLabs, lanzado el 28 de septiembre de 2026. Se centra en una locución expresiva, admite más de 90 idiomas y cuenta con una versión Turbo de baja latencia.
¿Utiliza AI Studios ElevenLabs v4?
Sí. Los guiones que utilizan etiquetas de emoción en AI Studios ahora se locutan con Eleven v4 en lugar de la v3.
¿Necesito cambiar mis guiones existentes?
No. Las etiquetas que ya utilizas siguen funcionando. La v4 las sigue de forma más fiable y admite una gama más amplia.
¿Qué son las etiquetas de emoción?
Instrucciones breves entre corchetes, como [risas] o [susurros], que se incluyen en el guion para definir cómo debe pronunciarse una frase.
¿Cuántos idiomas admite Eleven v4?
Más de 90, y la misma voz es capaz de hablar cada uno de ellos con un acento que suena natural.
Pruébalo en tu próximo guion
La forma más fácil de notar la diferencia es tomar un guion que ya hayas producido, añadir dos o tres etiquetas donde la entonación deba cambiar y volver a generarlo. Abre AI Studios y empieza con tu próximo vídeo.
Fuentes
- Eleven v4: nuestro modelo de IA de conversión de texto a voz más expresivo hasta la fecha (Blog de ElevenLabs)
- Página del producto Eleven v4 (ElevenLabs)
- ElevenLabs lanza Eleven V4 con una variante Turbo de baja latencia (Unite.AI)
