Eleven v4: ponle voz a tu app y a tus videos sin ser desarrollador

Un video con buena voz se siente más cuidado, y una app que habla se distingue de las demás. Hasta hace poco eso exigía grabar con un micrófono o aceptar una voz robótica, pero hoy puedes escribir el texto y obtener el audio en minutos.

Esta guía recorre el proceso completo con Eleven v4, el modelo de voz más reciente de ElevenLabs.

Qué es Eleven v4

Según la documentación oficial, Eleven v4 es el modelo de texto a voz más reciente y avanzado de ElevenLabs, el primero de una nueva generación. Frente a Eleven v3, mejora la calidad del audio, la fidelidad de la voz, la emoción, las etiquetas de audio y la cobertura de idiomas.

Esto es lo que dice la documentación:

• Más de 90 idiomas, entre ellos español, inglés, francés, alemán, japonés y mandarín.
• Hasta 10.000 caracteres por solicitud, unos 10 minutos de audio. Si tu texto es más largo, lo divides en varias solicitudes.
• Clonación de voz: admite clones instantáneos y profesionales, y conserva mejor el timbre y el ritmo de la voz original.
• Diálogo entre varias voces, mediante la función de diálogo (Text to Dialogue).
• Dos variantes: eleven_v4, la de mayor calidad, y eleven_v4_turbo, pensada para respuestas en tiempo real, como un asistente de voz.
• Etiquetas de audio para dirigir la entrega, mejoradas respecto a v3.

Una limitación que conviene conocer: en v4 solo funcionan los controles de Stability (estabilidad) y Similarity (similitud). Los controles de Style y Speed, y el formato SSML, no están disponibles.

Cuándo conviene usarlo

Según la documentación, v4 está pensado para:

• Narración de videos, Reels, TikToks o cursos.
• Audiolibros y lectura de artículos.
• Voces de personajes y diálogos con emoción.
• Contenido en varios idiomas a partir de un mismo guion.

Si necesitas una voz que responda en vivo dentro de una conversación, mira la variante Turbo.

De la cuenta gratis a tu primer audio

Crea tu cuenta en ElevenLabs enlace de afiliado y sigue estos pasos.

1. Regístrate. La página de precios muestra un plan Free de 0 dólares con 10.000 créditos al mes. Los planes de pago parten con Starter, que incluye licencia comercial. Si vas a publicar audio en un proyecto que genera ingresos, revisa qué licencia te corresponde antes de hacerlo.
2. Entra a Text to Speech (texto a voz) desde el panel.
3. Elige el modelo. Selecciona Eleven v4. Si no lo ves en tu cuenta, revisa que tu plan lo incluya, porque no verifiqué la disponibilidad por plan.
4. Elige una voz de la biblioteca. Escucha dos o tres antes de decidir.
5. Pega tu texto. Empieza con algo corto, de dos o tres frases.
6. Genera y escucha. Si algo no te convence, ajusta Stability: más bajo suena más expresivo, más alto suena más estable y predecible.
7. Descarga el audio y úsalo en tu editor de video o en tu app.

Un consejo práctico: escribe como hablas, con frases cortas, sin paréntesis y con los números y siglas tal como se leerían en voz alta.

Usarlo desde tu app con Claude Code

Cuando quieras que tu app genere voz por sí sola, necesitas la API de ElevenLabs. Según su documentación, el endpoint de texto a voz es:

POST https://api.elevenlabs.io/v1/text-to-speech/{voice_id}

La autenticación va en un encabezado llamado xi-api-key. El único campo obligatorio del cuerpo es text, y el modelo se indica con model_id. Para Eleven v4 el identificador es eleven_v4. Ojo, si no indicas model_id la API usa por defecto eleven_multilingual_v2 y no v4. La respuesta es el archivo de audio, en MP3 por defecto.

No necesitas escribir ese código tú. Copia este prompt en Claude Code:

Quiero que mi app genere audio con la API de ElevenLabs usando el modelo eleven_v4. Antes de escribir código, lee la documentación oficial de ElevenLabs sobre texto a voz y confirma el endpoint, el encabezado de autenticación y los parámetros.

Reglas que debes respetar:

1. La clave de API va SIEMPRE en una variable de entorno llamada ELEVENLABS_API_KEY. Nunca la escribas en el código, en un ejemplo ni en un commit.
2. Agrega ELEVENLABS_API_KEY a un archivo .env.local y confirma que .env.local está en .gitignore. Crea también un .env.example sin valores reales.
3. Llama a la API solo desde el servidor (una ruta de API o una función de servidor), nunca desde el navegador, para que la clave no llegue al usuario.
4. Indica model_id: "eleven_v4" de forma explícita y deja el voice_id como una constante fácil de cambiar.
5. Limita el texto a 10.000 caracteres por solicitud y devuelve un error claro si lo supera o si la API responde con fallo.
6. Escribe primero una prueba que falle y luego la implementación, con la llamada a ElevenLabs simulada para no gastar créditos.

Al terminar, dime cómo probarlo a mano con un texto corto.

Después de que Claude termine, crea tu clave en el panel de ElevenLabs y pégala tú mismo en .env.local. Si usas un servicio de despliegue como Vercel, agrégala también en las variables de entorno del proyecto, nunca en el repositorio.

Errores comunes

• Olvidar el modelo. Sin model_id, usas el modelo por defecto de la API, no v4.
• Subir la clave a GitHub. Si pasó, desactívala en el panel y crea otra.
• Textos largos de una sola vez. El límite es de 10.000 caracteres por solicitud: divide el guion.
• Gastar créditos probando. Prueba con frases cortas hasta que la voz te convenza.
• Voz clonada sin permiso. Clona solo tu propia voz o la de alguien que te lo haya autorizado.

Resumen

Eleven v4 es el modelo de voz más reciente de ElevenLabs, con más de 90 idiomas, hasta 10.000 caracteres por solicitud y clonación de voz. Para empezar basta una cuenta, la pantalla de texto a voz y un texto corto, y el plan Free ofrece 10.000 créditos al mes. Para usarlo desde tu app, pídele a Claude Code que lo integre desde el servidor, con la clave en una variable de entorno y model_id en eleven_v4.

Puedes probar ElevenLabs aquí enlace de afiliado. Es un enlace de afiliado.