ElevenLabs Eleven v4: una voz artificial más rápida y expresiva en árabe

El 28 de septiembre de 2026, ElevenLabs lanzó dos nuevos modelos de texto a voz: Eleven v4, su modelo de mayor calidad y más expresivo, y Eleven v4 Turbo, creado para la conversación en tiempo real con una latencia mediana de generación de unos 100 milisegundos. Ambos admiten más de 90 idiomas, incluido el árabe, y sus precios en la API tienen un 72 % de descuento hasta el 12 de octubre. La conclusión para los empresarios: la voz en sí ya no es lo que se interpone entre tú y una recepcionista automatizada que contesta el teléfono. El verdadero obstáculo ahora es la información en la que se apoya, las reglas que rigen lo que dice y cuándo pasa la llamada a una persona.

¿Qué se ha lanzado exactamente?

Según la página de modelos de la documentación oficial de la empresa, el lanzamiento es una familia de dos modelos:

  • Eleven v4: el modelo de máxima calidad, orientado a locuciones, diálogos con varios hablantes, audiolibros y proyectos multilingües. Una sola solicitud acepta hasta 10.000 caracteres, unos 10 minutos de audio, frente a 5.000 caracteres en la generación anterior, v3.
  • Eleven v4 Turbo: una versión en tiempo real con una latencia mediana de generación de unos 100 milisegundos, con los agentes de atención al cliente y los asistentes de IA al frente de los usos que indica la empresa.

La cobertura de idiomas pasó de más de 70 en v3 a más de 90, y ambos modelos admiten etiquetas de audio que controlan la entonación y el tono. TechCrunch informó de que el modelo puede clonar una voz a partir de una muestra de 10 segundos y de que las mayores mejoras de calidad se dieron en japonés, portugués de Brasil, mandarín y cantonés, lo que significa que el árabe no fue uno de los idiomas que destacó el anuncio.

¿Cuánto cuesta realmente?

ElevenLabs fija el precio de su API en dólares estadounidenses por cada 1.000 caracteres. En la página oficial de precios, Eleven v4 cuesta 0,022 $ en lugar de 0,08 $, y Turbo cuesta 0,011 $ en lugar de 0,04 $, con el descuento vigente hasta el 12 de octubre. Como la documentación estima que 10.000 caracteres equivalen a unos 10 minutos de audio, una regla aproximada es que cada minuto de habla necesita unos 1.000 caracteres.

Un ejemplo práctico: una línea de atención al cliente en la que el agente de voz habla 1.000 minutos al mes consume alrededor de un millón de caracteres. Cuando termine el descuento, la voz costará unos 40 $ al mes con Turbo y unos 80 $ con v4. Eso es solo la voz; el modelo de lenguaje que decide la respuesta, la transcripción de lo que dice el cliente, la línea telefónica y la integración con tus sistemas son costes aparte, y normalmente la mayor parte de la factura.

¿Dónde puede ayudar a tu negocio?

  • Atender llamadas fuera del horario: reservar una cita en una clínica, consultar el estado de un pedido o preguntar por el horario y la ubicación, sin largos menús telefónicos de "pulse 1, pulse 2".
  • Locuciones para contenido: vídeos de producto, formación interna y recorridos por los sistemas para el personal nuevo en árabe e inglés, con una misma voz coherente en todos los vídeos y sin reservar un estudio cada vez.
  • Llegar a más personas: leer en voz alta contenido escrito para quienes prefieren escuchar, o atender a trabajadores expatriados en sus propios idiomas, como el urdu, el hindi y el filipino, que figuran todos en la lista de idiomas admitidos.

Antes de que una voz artificial atienda a tus clientes

Una mejor calidad de voz hace que los errores resulten más convincentes, no menos. Un agente que habla con un tono humano y seguro y luego le da a un cliente una cita que no existe es peor que un aburrido menú telefónico. Por eso empezamos con estas preguntas con nuestros clientes antes de elegir cualquier proveedor:

  • ¿De dónde salen sus respuestas? El agente debe leer en vivo de tu sistema de reservas, inventario o pedidos, no de un guion fijo escrito una sola vez. Lo explicamos en crear una base de conocimiento de la empresa para la IA.
  • ¿Cuándo pasa la llamada a una persona? Las quejas, los importes elevados y los clientes enfadados van de inmediato a un humano, junto con un resumen de la conversación. Detalles en pasar una conversación del asistente a tu personal.
  • ¿El acento encaja con tus clientes? La documentación incluye el árabe sin detallar dialectos, así que pruébalo con guiones de tus llamadas reales: nombres de barrios, los nombres de tus productos, números y fechas del calendario hégira.
  • ¿Y los datos y el consentimiento? Las grabaciones y transcripciones de llamadas son datos personales regulados por la Ley de Protección de Datos Personales (PDPL), y clonar la voz de un empleado requiere su consentimiento explícito. Consulta las conversaciones con clientes y la IA según la PDPL.
  • ¿Sabe el cliente que habla con una máquina? Indicarlo en la primera frase protege la confianza, sobre todo porque las voces clonadas se han convertido en una herramienta de fraude conocida, como explicamos en proteger tu negocio del fraude con deepfakes.

¿Deberías cambiar ya?

Si ya tienes un sistema funcionando con v3 o Multilingual v2 que cumple su función, no hay prisa. La documentación indica que Eleven v4 está disponible a través de la API Text to Dialogue y Turbo a través de su conexión websocket, así que confirma que tu integración actual lo admite antes de cambiar. Lo más sensato es aprovechar el periodo de descuento para hacer una prueba comparativa con una muestra de tus guiones reales y luego decidir según los resultados y el precio completo, no el temporal.

Cómo lo construimos en Origami

Tratamos el motor de voz como una pieza sustituible, no como la base del sistema. La lógica que decide qué se dice, la integración con los sistemas de reservas, facturación e inventario, el registro de llamadas y las reglas de traspaso se construyen en tu lado y bajo tu control. Así puedes probar Eleven v4 hoy y pasarte mañana a otro proveedor si cambia el precio o aparece un modelo más adecuado al dialecto de tus clientes, sin reconstruirlo todo. Si empiezas desde cero, nuestro artículo sobre la IA de voz en la atención al cliente ofrece el panorama completo.

Nuestro consejo práctico: elige un único recorrido acotado, como confirmar citas o consultar el estado de los pedidos, ponlo en marcha durante dos semanas con una parte de tus llamadas y luego mide cuántas llamadas terminaron sin traspaso, la tasa de errores y la satisfacción del cliente. Las cifras reales de tus propias llamadas son más honestas que cualquier clasificación en una tabla comparativa.

Fuentes