ElevenLabs

ElevenLabs é uma empresa de IA focada em voz, mais conhecida por text-to-speech realista e clonagem de voz. Além do TTS, hoje abrange audiolivros, geração de música e agentes de voz, tornando-se uma das pilhas de áudio mais completas disponíveis para desenvolvedores e criadores.

Os principais modelos de text-to-speech são o Eleven v4 e o Eleven v4 Turbo, lançados em 28 de setembro de 2026, com suporte a mais de 90 idiomas no ElevenAgents, ElevenCreative e ElevenAPI; o v4 Turbo é a variante de baixa latência construída para agentes de voz, com latência média de inferência de cerca de 100ms e tempo médio até a primeira fala de aproximadamente 150ms via WebSocket. O Eleven v3 anterior, que atingiu disponibilidade geral em fevereiro de 2026, continua disponível, mas foi substituído pelo v4 na maioria dos casos de uso. Em 20 de outubro de 2026, a ElevenLabs adicionou o Eleven Realtime, um par de modelos dedicados de agente de voz speech-to-speech: o Eleven Realtime v1 Mini, a escolha padrão para menor latência e custo, e o v1 Max, que raciocina antes de responder. Ambos são compatíveis com a OpenAI Realtime API, funcionam apenas via WebSocket, estão disponíveis pelo ElevenAgents ou por uma API Realtime independente, e suportam mais de 90 idiomas além de uma biblioteca com mais de 17.000 vozes. Benchmarks do fornecedor indicam tempo até o primeiro áudio de cerca de 0,57 segundos para o Max e 0,62 segundos para o Mini, com pontuações no Big Bench Audio de 98,8% e 75,9%, respectivamente.

Os recursos principais incluem TTS multilíngue de alta qualidade, clonagem de voz instantânea a partir de cerca de 10 segundos de áudio, clonagem profissional em nível de estúdio, agentes conversacionais em tempo real construídos sobre o Eleven Realtime ou o Eleven v4 Turbo, geração de música e uma API com seus próprios níveis de assinatura para uso em produção. O Mini não está disponível no Zero Retention Mode nem em conformidade com HIPAA, e o Max não é oferecido com residência de dados na Índia ou em Singapura.

Há um plano gratuito com 10.000 créditos por mês e sem licença comercial, cobrindo TTS, speech-to-text, efeitos sonoros, design de voz, geração de música e imagem. Os planos pagos são cobrados mensal ou anualmente (a cobrança anual dá dois meses grátis): o Starter custa $6/mês ($5/mês na cobrança anual, 30.000 créditos), atualmente com desconto para $1 no primeiro mês até 1º de novembro; o Creator custa $22/mês ($18,33/mês na cobrança anual, 121.000 créditos), com promoção de $11 no primeiro mês; o Pro custa $99/mês ($82,50/mês na cobrança anual, 600.000 créditos); o Scale custa $299/mês ($249,17/mês na cobrança anual, 1,8 milhão de créditos, 3 assentos); e o Business custa $990/mês ($825/mês na cobrança anual, 6 milhões de créditos, 10 assentos). Preços personalizados para Enterprise também estão disponíveis. A API Eleven Realtime separada é cobrada a $0,080 por minuto de áudio conectado para ambos os modelos (taxa de pico de $0,160/min acima do seu limite de concorrência), além de custos de tokens de $0,20 por 1 milhão de tokens de entrada e $6,00 por 1 milhão de tokens de saída para o Mini, ou $1,80 por 1 milhão de entrada e $9,00 por 1 milhão de saída para o Max.

As principais limitações são o uso baseado em créditos, que pode se esgotar rapidamente em trabalhos de maior volume, a ausência de direitos comerciais no plano gratuito, e custos que sobem rapidamente quando você precisa de muitas horas de áudio ou vários assentos. O preço promocional do primeiro mês no Starter e no Creator volta ao valor mensal padrão depois, e a clonagem de voz levanta questões de consentimento e uso indevido que você mesmo precisa gerenciar.

O ElevenLabs é indicado para criadores, estúdios e desenvolvedores que precisam de vozes naturais em muitos idiomas, equipes que constroem agentes de voz, e qualquer pessoa que produza audiolivros ou narração em escala.