ElevenLabs reúne imagen, video y audio para creadores

En 2026, ElevenLabs amplió su plataforma creativa más allá de la voz. Sus anuncios de septiembre incluyen API de imagen, video y plantillas, generación multimodal mediante MCP y una nueva generación de texto a voz, Eleven v4. Para quienes crean un personaje o influencer de IA, el principal cambio es poder conectar más etapas de producción. La herramienta adecuada depende del resultado que busques.

¿Qué llegó a ElevenLabs en septiembre de 2026?

El 26 de septiembre, ElevenLabs anunció API de imagen, video y plantillas, con una actualización del 12 de octubre. Según el anuncio oficial de las API, la plataforma da acceso a modelos de Google, OpenAI, ByteDance y Creatify para generar y editar imágenes, animarlas en video y ejecutar plantillas. Esto describe un catálogo disponible dentro de ElevenLabs; no significa que la empresa haya creado todos los modelos.

Las plantillas son flujos reutilizables creados en Flows: un equipo define entradas, referencias de marca, modelos y formatos, y luego repite el proceso con datos nuevos. El ejemplo publicado es de comercio electrónico: aportar la imagen y el nombre de un producto para recibir fotos de catálogo, variantes de anuncios y un video. Es un flujo para equipos que repiten la producción a escala, no una promesa de que cada personaje conservará el mismo rostro en todas las generaciones.

El 14 de septiembre, la empresa también anunció generación de voz, música, efectos, imágenes y video mediante el MCP de ElevenLabs. El conector permite solicitar estas tareas en una conversación y envía los resultados al espacio ElevenCreative. La empresa dice que el MCP reúne más de 50 modelos: es una plataforma que los conecta, no un único modelo multimodal propio.

¿Y Eleven v4?

El anuncio del 28 de septiembre, actualizado el 19 de octubre, presenta Eleven v4 y v4 Turbo como modelos de texto a voz. La empresa destaca la interpretación de emoción y contexto, la consistencia de voz y la compatibilidad con más de 90 idiomas. Estas capacidades son útiles para narración, diálogo, audiolibros y agentes de voz. No significan que v4 sea el modelo que genera video.

Esa distinción ayuda a elegir el flujo. Si quieres variaciones repetibles de fotos de productos, evalúa las plantillas de imagen. Para una pieza con narración, música y escenas generadas, MCP o Studio pueden reunir varias etapas. Si quieres un personaje que parezca la misma persona en varias publicaciones, compara la consistencia visual de los resultados y prueba ropa, encuadres y expresiones con referencias autorizadas. La consistencia de voz y la del rostro son objetivos relacionados, pero los resuelven componentes diferentes.

¿En qué se diferencia de Duble?

Duble tiene una tarea más concreta: eliges un personaje y lo colocas en lugar de alguien en una trend o en un video ya grabado. Por ejemplo, el clip original del Passinho do Jamal y la versión con Vector muestran al personaje dentro de la misma escena. El video generado incluye sonido; revisa el habla, el canto y la música en el resultado.

Así que ElevenLabs y Duble no son dos interfaces para el mismo resultado. ElevenLabs anuncia herramientas creativas generales, audio, API y flujos reutilizables; Duble es un flujo para reemplazar a un personaje en un video real. Aquí no se anuncia una integración de ElevenLabs con Duble. Para comparar otras categorías, consulta avatar parlante o personaje en video real y generadores de influencers de IA.

Antes de elegir, define el archivo final: una foto de catálogo, un video generado desde texto, una narración o un personaje insertado en una grabación existente. Después compara el control de identidad, la edición, los formatos, el costo y cuánto del proceso necesitas automatizar. Para empezar con Duble y un video real, abre la app y elige un personaje.