Què és ElevenLabs
ElevenLabs desenvolupa models i aplicacions d’àudio amb IA. L’oferta s’organitza en ElevenCreative per a producció, ElevenAgents per conversar i ElevenAPI per integrar. Text a veu, transcripció i doblatge resolen problemes diferents, tot i que poden intervenir en una mateixa peça.
Una narració comença amb un guió; una transcripció, amb una gravació; un agent respon durant una interacció. Això determina què cal aprovar: paraules i pronunciació, fidelitat a l’original o comportament davant preguntes. Per a una organització, escollir el flux adequat importa tant com triar una veu agradable.
Documentació de referència: Text to Speech · Series D, February 2026.
Origen i evolució
Piotr Dąbkowski i Mati Staniszewski van fundar l’empresa el 2022. En una entrevista van explicar que els doblatges monòtons que escoltaven a Polònia van inspirar el projecte. La beta pública es va anunciar el gener de 2023. El 2024 l’oferta es va ampliar amb Dubbing Studio i un mercat de veus verificades.
L’expansió va continuar cap a música, transcripció i agents. El febrer de 2026 va anunciar una ronda de 500 milions de dòlars liderada per Sequoia, amb valoració d’11.000 milions. El setembre va comunicar una operació de liquiditat per a empleats amb valoració de 22.000 milions. Són operacions diferents; la segona no equival a sortir a borsa. El recorregut explica per què les primeres guies d’un generador de veu només descriuen part de la plataforma actual.
Documentació de referència: Launch of the public beta, January 2023 · Series B and new products, January 2024 · Series D, February 2026 · Employee tender, September 2026 · Founder interview.
Models de veu i direcció de la interpretació
Eleven v4 i v4 Turbo es van llançar el 28 de setembre de 2026. v4 admet instruccions expressives i diàleg entre parlants; Turbo s’orienta a menor latència. La família cobreix més de 90 idiomes, entre els quals espanyol, català i anglès. No s’han d’extrapolar les prestacions a models anteriors.
El guió també dirigeix la interpretació. Una pausa pot separar dues accions i un èmfasi pot canviar què sembla prioritari. Prova frases amb condicions, negacions i enumeracions. En narració tècnica, un estil estable acostuma a ser més útil que demostrar tota la varietat emocional disponible. En converses, a més de qualitat sonora, avalua si espera i torns permeten acabar una pregunta sense interrupcions.
Documentació de referència: Eleven v4 and v4 Turbo launch.
Biblioteca de veus i continuïtat
Voice Library permet cercar veus per idioma, accent i ús. Algunes inclouen preavís si el propietari deixa de compartir-les; d’altres poden desaparèixer immediatament. Haver desat una veu no en garanteix la disponibilitat futura.
En una sèrie formativa, conserva identificador, mostra aprovada i alternativa. La veu principal hauria de pronunciar bé el vocabulari de l’organització, sense dependre d’una sola frase de demostració. Si canvia entre capítols, decideix si mantens el material anterior o tornes a produir la sèrie. La decisió afecta coherència i manteniment, a més de preferències estètiques.
Documentació de referència: Voice Library.
Clonació instantània i professional
Instant Voice Cloning utilitza mostres breus amb autorització. Professional Voice Cloning requereix més material, verificació de la veu pròpia i ajust específic; la guia exclou el cant. No són dos noms del mateix procediment.
Abans de crear una veu corporativa, defineix qui representa, quins missatges podrà llegir i qui n’administrarà l’ús. Una reunió conté interrupcions i veus alienes; una sessió preparada ofereix referències més controlades. Separa consentiment per gravar de l’acord per generar frases noves. Si la persona deixa l’organització, cal decidir continuïtat, retirada i actualització de peces, perquè la veu no suggereixi una aprovació personal inexistent.
Documentació de referència: Instant Voice Cloning · Professional Voice Cloning.
Studio, audiollibres i exportació
Studio combina narració i edició en una línia de temps. Permet exportar capítols o projectes en MP3 i WAV; la qualitat depèn del pla. En plans inferiors, un WAV pot provenir d’àudio comprimit, mentre nivells superiors ofereixen font de més qualitat.
L’extensió no basta per valorar fidelitat. Organitza una guia llarga en unitats corregibles sense refer-ho tot: benvinguda, recorregut, comunicació i recursos. Alinea títols i versions amb el document escrit. Escolta unions després de canviar un paràgraf; dues preses correctes separadament poden mostrar salts de volum o ritme juntes. Lliura capítols i versió completa si tots dos formats faciliten l’ús previst.
Documentació de referència: Studio production and export.
Doblatge i control de la traducció
Dubbing Studio permet revisar transcripció, traducció i temps. A més d’AAC, MP3 i WAV, exporta pistes, dades de muntatge AAF, subtítols SRT i CSV amb parlants i text. Això facilita continuar revisió o muntatge fora de la plataforma.
El doblatge exigeix comprovar significat i sincronització per separat. Una frase traduïda pot ser correcta però acabar quan la imatge ja mostra un altre objecte. En un vídeo explicatiu, identifica cada acció visible i el fragment que la descriu. Ajusta text sense eliminar condicions importants. Prepara equivalències de sigles per idioma abans de regenerar; la identitat de veu no resol terminologia.
Documentació de referència: Dubbing Studio.
Scribe: transcriure no és certificar
Scribe v2 ofereix transcripció amb temps i separació de parlants; hi ha variants Realtime i Medical. Admet termes de referència i opcions per eliminar falques o editar el text transcrit. Espanyol, català i anglès són compatibles.
Cal decidir si necessites text llegible o representació fidel del que s’ha dit. En una entrevista sobre un incident, una vacil·lació pot expressar incertesa; eliminar-la canvia la lectura del testimoni. Conserva gravació i diferencia transcripció original de versió editada. L’etiqueta de parlant separa veus, però no identifica una persona per si sola. Contrasta noms, unitats i negacions amb l’àudio.
Documentació de referència: Scribe transcription capabilities.
Música, efectes i neteja d’àudio
Eleven Music genera composicions amb instruccions, lletres, referències i edició per seccions. Music v2.5 va arribar el setembre de 2026. Voice Isolator tracta gravacions existents per separar veu i soroll; crear un efecte sonor és diferent de netejar una captura.
Els drets musicals depenen del producte i pla: ElevenMusic té condicions pròpies i no s’ha de confondre amb Creative. Les condicions restringeixen referències a artistes i determinats usos de distribució. En una peça educativa, decideix primer si la música ajuda. Si cal escoltar un senyal real, una banda sonora pot amagar la informació rellevant. Conserva una mescla només de veu per comparar intel·ligibilitat.
Documentació de referència: Music composition and editing · Music v2.5 release · Music usage terms · Voice Isolator.
Agents conversacionals i integració
ElevenAgents combina veu, instruccions, bases de coneixement i eines connectades. Inclou proves, simulacions i registres de conversa; s’integra amb API i SDK. El model que genera resposta i la veu que la pronuncia són components diferents.
Un exemple proposat seria orientar sobre on trobar una guia aprovada. Delimita fonts i permet reconèixer que una resposta no està disponible. Prova preguntes incompletes, interrupcions, canvis d’idioma i peticions fora d’abast. En SST, una veu convincent no converteix un agent informatiu en servei d’emergències ni en decisor sobre aptitud laboral. La derivació a una persona ha de formar part del disseny.
Documentació de referència: ElevenAgents.
Flows, imatges i vídeo
Flows, documentat com a Alpha, organitza producció en nodes i permet repetir etapes. Studio se centra en una línia de temps. La plataforma també integra models visuals externs per a imatges i vídeo, amb referències i opcions segons el model.
Un flux pot combinar guió, narració i imatge il·lustrativa. Conserva la relació entre entrada i sortida de cada etapa: si canvia la frase sobre un objecte, revisa el visual corresponent. Automatitzar redueix operacions repetides, però amplia l’efecte d’una entrada equivocada quan s’executa moltes vegades. Comença amb una peça i comprova què s’actualitza abans de crear variants per a tota una campanya.
Documentació de referència: ElevenCreative Flows · Image and video generation.
ElevenReader i escolta personal
ElevenReader s’orienta a escoltar i llegir contingut personalment. La documentació indica que no permet exportar àudio ni distribuir comercialment allò generat dins l’aplicació. La producció de fitxers es fa amb les eines corresponents de la plataforma web.
Això canvia l’elecció del producte. Escoltar un document per preparar una reunió és diferent de produir un recurs per a tota una plantilla. El segon cas necessita fitxer aprovat, drets adequats i versió escrita accessible. Una subscripció d’escolta no concedeix automàticament funcions o permisos d’un estudi de producció.
Documentació de referència: ElevenReader downloads · ElevenReader commercial use.
Plans, dades i administració
Creative ofereix Free, Starter, Creator, Pro, Scale, Business i Enterprise. La clonació professional comença a Creator i la llicència comercial figura des de Starter. La política permet excloure l’ús de dades personals per entrenar des de configuració; l’exclusió actua cap al futur. Els contractes empresarials tenen abast propi.
Compara costos considerant correccions i versions, no només minuts finals. Prepara una prova amb vocabulari representatiu i registra la feina per aprovar-la. Abans de carregar gravacions, elimina noms o converses que no aportin al projecte. Una plantilla de veu no necessita expedients individuals. Revisa permisos d’equip i conservació de mostres amb les condicions del producte i regió aplicables.
Documentació de referència: Current subscription plans · Privacy policy, October 9 2026 · European terms.
Detecció i procedència de l’àudio
Audio Detector cerca marques d’ElevenLabs i recorre a un classificador estadístic quan no en troba. No identifica universalment àudio d’altres proveïdors. El classificador pot donar falsos positius o no reconèixer material modificat.
Un resultat positiu informa de possible procedència, no de veracitat. Un de negatiu tampoc autentica qui sembla parlar. En una comunicació interna rellevant, verifica autoria i aprovació pel canal habitual. Conserva guió aprovat editorialment, versió generada i context de distribució; aquesta traçabilitat resol preguntes que un detector no pot respondre.
Documentació de referència: Audio Detector.
Recepció i controvèrsies
Engadget va documentar suplantacions el 2023. El gener de 2024, WIRED va informar d’anàlisis que atribuïen probablement a ElevenLabs una trucada falsa amb veu de Biden. Era una valoració experta, no una sentència judicial.
Aquests episodis mostren per què una veu familiar no autentica. En formació o comunicació corporativa, identifica narració sintètica i evita presentar frases generades com declaracions espontànies d’una persona. Autorització clara i canal recognoscible ajuden a distingir producció legítima d’àudio fora de context.
Documentació de referència: WIRED investigation of Biden robocall, 2024 · Engadget on early misuse, 2023.
Accés a la veu i projectes culturals
L’Impact Program col·labora amb entitats que donen suport a persones amb pèrdua de veu i ofereix eines per conservar-la o recrear-la. La meta d’un milió de persones és un compromís, no un resultat ja assolit. La sèrie documental 11 Voices, de 2026, presenta experiències de persones amb pèrdua permanent de veu.
El gener de 2026 es va presentar The Eleven Album, amb artistes que incorporaven Eleven Music a processos creatius diversos. Són vessants diferents: participació personal en la comunicació i experimentació artística. Ajuden a entendre usos més enllà de publicitat, narració automàtica o atenció al client.
Documentació de referència: Impact Program · 11 Voices documentary · The Eleven Album.
Aplicacions concretes en SST
En seguretat i salut en el treball pot donar suport a versions narrades de continguts revisats, materials d’acollida i recursos que complementin la lectura. La seva utilitat potencial és oferir una altra via d’accés al missatge, sense assumir que escoltar una explicació substitueix comprendre-la o practicar-la quan la tasca ho requereix.
A més d’una guia d’acollida, es pot preparar un àudio de repàs abans d’una reunió o narrar l’explicació d’un formulari. Són usos proposats: el valor és mantenir la mateixa instrucció escrita i oral. Un to serè pot facilitar l’escolta, però no ha de convertir una recomanació condicional en una ordre aparentment absoluta.
Cas pràctic i comprovació del resultat
Exemple: produir una narració per a una guia breu sobre comunicació d’incidències. L’equip utilitza el text aprovat, escolta el resultat complet i comprova la pronunciació de sigles, números i contactes abans d’integrar-lo amb una transcripció accessible.
Per desenvolupar l’exemple, divideix el guió en tres blocs: què comunicar, on fer-ho i quina informació incloure. Escriu les sigles tal com s’han de pronunciar i explica els noms interns la primera vegada. Genera primer un fragment amb les paraules més difícils i corregeix-lo abans de produir tot l’àudio.
Una persona revisora compara cada frase amb el text aprovat, especialment negacions, extensions telefòniques i noms d’àrees. Després, algú aliè al projecte escolta sense llegir el guió i explica quin canal faria servir. Si la resposta és ambigua, modifica el text i torna a generar-lo. Desa junts guió, àudio final i idioma per actualitzar el conjunt quan canviï el canal.
Límits i condicions d’ús
La veu sintètica pot pronunciar malament termes tècnics, ometre matisos o donar un èmfasi inadequat a un advertiment. Revisa cada resultat i conserva el text de referència. Clonar una veu exigeix autorització; evita que una narració sembli una comunicació personal autèntica d’algú que no l’ha emès.
La qualitat de la mostra influeix en una clonació: soroll, canvis de to o diversos parlants es poden traslladar al resultat. La documentació diferencia descarregar l’àudio d’exportar el model de veu: el clon no es descarrega com a fitxer independent. Revisa també els drets d’ús del pla abans de distribuir una narració corporativa; una mostra gratuïta no acredita qualsevol ús comercial.
Documentació de referència: Text to Speech · Instant Voice Cloning.
Quan escollir-la i amb què complementar-la
Escull ElevenLabs quan necessitis produir o actualitzar narracions a partir de text i puguis revisar cada idioma. Si ja existeix una entrevista enregistrada que cal retallar, Descript resol un altre problema: editar material existent. CapCut pot integrar la veu amb imatges i temps de lectura.
La comparació útil inclou una sigla, una xifra i una frase llarga del contingut real. Valora la intel·ligibilitat, la facilitat de corregir un fragment, els drets i el manteniment de versions, a més del timbre.
Preguntes freqüents
Una veu natural garanteix que el missatge sigui correcte?
No. La fluïdesa descriu l’aparença de l’àudio. L’exactitud depèn del guió, de la pronunciació efectiva i del fet que la persona entengui què ha de fer.
Convé clonar la veu d’un responsable?
Només amb autorització i una finalitat clara. Una veu de biblioteca pot evitar atribuir una comunicació personal a algú. Si es fa servir un clon, identifica la narració com a sintètica i estableix qui pot generar noves peces.
N’hi ha prou amb conservar l’MP3?
Convé conservar també el text aprovat i les dades de versió. L’àudio sol dificulta revisar canvis de contactes o preparar una altra llengua amb el mateix significat.
