Eleven v4 es la cuarta generación de síntesis de voz de ElevenLabs, la empresa que marca el estándar en calidad de voz. El modelo lee el texto con pausas naturales, énfasis y respiración, por lo que resulta difícil distinguirlo de un narrador humano.
Las emociones se controlan con etiquetas directamente en el texto: [whispers] para un susurro, [laughs] para una risa, [excited] para entusiasmo y [pause] para una pausa. Esto te permite crear un anuncio lleno de vida, un audiolibro con entonación real o locuciones de personajes expresivas para un videojuego.
Elige entre 12 voces —masculinas y femeninas, desde suaves hasta estilo locutor— y escucha una muestra de cada una antes de generar. El modelo habla con fluidez en inglés y es compatible con más de 70 idiomas en total. Cada generación convierte hasta 5000 caracteres, con un coste de 10 créditos por cada 1000 caracteres.