ElevenLabs integra Nemotron de NVIDIA: agentes de voz un 70 % más baratos que otros modelos abiertos

Un agente de voz para un centro de llamadas se topa con tres problemas: debe responder rápido, calcular sin errores y no enviar datos ajenos a quién sabe dónde. ElevenLabs y NVIDIA han anunciado la ampliación de su alianza, que ataca los tres a la vez. Es una nota de prensa, y las cifras las declaran las propias empresas. Pero para quienes construyen agentes de voz, hay mucho que analizar.

Nemotron dentro de ElevenAgents

La noticia principal para los desarrolladores: NVIDIA Nemotron 3.5 Super VL ya forma parte de la lista de modelos de la plataforma ElevenAgents. Nemotron es una familia de modelos abiertos diseñados para escenarios agénticos: razonar, llamar a herramientas y ejecutar tareas de varios pasos.

En el benchmark interno de ElevenAgents con tareas realistas de atención al cliente, el modelo mostró la mejor precisión de extremo a extremo en la ejecución de tareas. Se destacan por separado los cálculos financieros y el análisis de facturas, justo donde un bot de voz suele confundir importes y plazos. Además, según ElevenLabs, es un 70 % más barato que otros modelos abiertos líderes.

Hay también un detalle práctico: en Nemotron se puede desactivar el modo de razonamiento. Para consultas simples como «a qué hora abre el centro», no hace falta una larga cadena de pensamiento, que solo añade latencia. Gracias a esto, el modelo está entre los tres más rápidos de la plataforma. En voz esto es crítico: una pausa de dos segundos se siente como una llamada colgada.

Otra ventaja: Nemotron es fácil de ajustar con datos corporativos. Una empresa puede crear su propia versión del modelo y ejecutar agentes con ella en ElevenAgents. Es una vía para que un modelo entrenado con su terminología y sus escenarios siga siendo un activo propio.

Hardware: otros 15 MW

ElevenLabs amplía su propia infraestructura on-premises. A los sistemas existentes sobre Blackwell Ultra se sumarán 15 MW de capacidad en la plataforma Vera Rubin. Una parte es para los mayores clientes con estrictos requisitos de seguridad y de almacenamiento de datos dentro del país, y otra se destina a equipos de investigación.

Para un responsable de producto la conclusión es sencilla: «una nube en algún lugar de EE. UU.» deja de ser la única opción. Si vendes agentes de voz a bancos, organismos públicos o sanidad, poder desplegar la solución en local se convierte en un argumento de venta.

Polonia: un agente para pedir cita médica

El primer caso soberano es Centralna e-Rejestracja, el sistema central de reserva de citas de la plataforma nacional e-Health de Polonia. La implantación se realiza con el socio EasyCall.

El escenario es claro. El agente llama a pacientes que solo tienen teléfono fijo, les recuerda la próxima visita y les ayuda a reprogramarla. La escala: unos 40 millones de citas al año, con un 10–20 % de ausencias. Según un cálculo aproximado, son entre 4 y 8 millones de visitas perdidas al año. Incluso una pequeña reducción tiene un efecto notable.

El sistema funciona on-premises sobre NVIDIA Confidential Computing. Los datos de los ciudadanos y el audio permanecen en la infraestructura estatal y están protegidos incluso durante el procesamiento. El despliegue local también reduce la latencia, algo importante en una conversación en vivo.

Los robots, por ahora solo en planes

Un punto aparte es la voz para IA física. ElevenLabs y NVIDIA estudian ejecutar modelos de voz en dispositivos edge de NVIDIA: control de maquinaria industrial, robots en fábricas, conversar con el coche. Las formulaciones del comunicado son prudentes: «aplicaciones potenciales», «exploran». No hay productos ni plazos concretos, así que aún es pronto para considerarlo un anuncio.

Qué hacer con esto

• Si tu agente de voz usa un modelo cerrado caro, compara coste y precisión con Nemotron en tus propios escenarios. El benchmark de ElevenLabs es interno y no sustituye a tu propia prueba.
• Separa las consultas en simples y complejas: activa el razonamiento solo donde haga falta y ahorra en latencia.
• Si trabajas con el sector público o la sanidad, estudia el caso de Polonia como plantilla de arquitectura: despliegue local, computación confidencial, datos que no salen del perímetro.

La limitación es evidente: todas las cifras las publican los propios participantes de la alianza y en el comunicado no hay mediciones independientes. Pero la dirección está clara. Los agentes de voz se están convirtiendo en infraestructura, y por tanto las cuestiones de coste, latencia y control de los datos pesan tanto como la calidad de la voz.