Cómo elegir el modelo adecuado | ElevenLabs Documentation

ElevenLabs ofrece una variedad de modelos optimizados para distintos requisitos. La elección adecuada depende de tu caso de uso, los requisitos de latencia y las expectativas de calidad. Consulta la referencia de modelos para ver las especificaciones completas.

Por requisito

Calidad

Usa eleven_v4

El modelo insignia con la máxima fidelidad, la expresión emocional más rica y la mayor compatibilidad de idiomas.

Baja latencia

Usa eleven_v4_turbo

Optimizado para aplicaciones en tiempo real con una latencia mediana de ~100 ms.

Por caso de uso

Creación de contenido

Usa eleven_v4

Ideal para contenido profesional, audiolibros y narración de vídeo.

Agentes conversacionales

Usa eleven_v4_turbo para una entonación más expresiva. eleven_flash_v2_5 y eleven_flash_v2 también están optimizados para baja latencia.

Usa el modelo 2.5 para idiomas distintos del inglés.

Optimizado para aplicaciones conversacionales en tiempo real.

Transcripción

Usa scribe_v2 para la transcripción por lotes, scribe_v2_medical para audio médico y clínico, o scribe_v2_realtime para la transcripción en tiempo real.

Precisión de vanguardia en más de 90 idiomas, con diarización de hablantes y marcas de tiempo a nivel de palabra.

Cambiador de voz

Usa eleven_multilingual_sts_v2

Especializado en la conversión de voz a voz.

Próximos pasos

Modelos

Consulta las especificaciones completas de los modelos, las pruebas comparativas de latencia y las comparativas de funciones.

Optimización de la latencia

Reduce el tiempo hasta el primer audio con la selección de modelo, la elección de voz y el enrutamiento geográfico.