Cómo elegir el modelo adecuado | ElevenLabs Documentation

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

Según el requisito

Calidad

Usa eleven_v4

El modelo insignia, con la máxima fidelidad, la expresión emocional más rica y la compatibilidad lingüística más amplia.

Latencia baja

Usa eleven_v4_turbo

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

Según el 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 la entonación más expresiva, o eleven_flash_v2_5 y eleven_flash_v2 para la menor latencia.

Usa el modelo 2.5 para compatibilidad con idiomas distintos del inglés.

Optimizado para aplicaciones conversacionales en tiempo real.

Transcripción

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

Precisión puntera 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 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 latencia

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