Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarElevenLabs Blog→ original

ElevenLabs lança tradução de voz em tempo real para chamadas de negócios em mais de 90 idiomas

A ElevenLabs abriu a versão alfa do Eleven Realtime Translation, um tradutor de voz para chamadas ao vivo: o cliente fala espanhol, o atendente fala alemão, e cada um ouve o outro no próprio idioma. A ferramenta roda sobre o modelo Eleven v4 Turbo, que reconhece mais de 90 idiomas e identifica sozinho em qual idioma a pessoa está falando. Com isso, um único atendente pode atender clientes em vários idiomas sem um intérprete na linha. Por enquanto, o acesso é restrito a clientes corporativos da ElevenAPI.

Processado por IA de ElevenLabs Blog; editado por Hamidun News
ElevenLabs lança tradução de voz em tempo real para chamadas de negócios em mais de 90 idiomas
Fonte: ElevenLabs Blog. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalElevenLabs Blog ↗
Editor-chefe
Dado-chave #1A Deutsche Telekom está usando a tecnologia para desenvolver recursos do seu Magenta AI Call Assistant
Dado-chave #2A voz pode ser escolhida entre mais de 17 500 opções ou clonada a partir da própria voz; ela não muda durante a chamada
O início da tradução é configurávelmais precisa para disputas sobre faturas, mais rápida para conversas fluidas

Imagine uma chamada para o suporte: o cliente, de Madri, fala espanhol, mas o atendente disponível só fala alemão. Normalmente, a pessoa fica esperando na linha até aparecer alguém com o idioma certo, ou tenta explicar o problema em uma língua que não domina. A ElevenLabs quer eliminar essa barreira. A empresa abriu a versão alfa do Eleven Realtime Translation, um modelo de tradução de voz em tempo real em que cada interlocutor fala no próprio idioma e ouve o outro também no seu. São mais de 90 idiomas, e por enquanto o acesso foi liberado apenas para clientes corporativos da ElevenAPI, a plataforma para desenvolvedores da ElevenLabs.

Como funciona na prática

O esquema é simples. A tradução acontece enquanto a conversa continua e soa com uma voz natural e expressiva. Não é preciso gravar a frase, esperar o processamento e só então reproduzir o resultado.

A ElevenLabs cita três cenários:

  • Operadoras de telefonia integram a tradução na própria camada de chamadas. Assim, qualquer ligação em sua rede pode acontecer entre pessoas que falam idiomas diferentes.
  • Centrais de contato colocam a tradução entre o atendente e quem liga. Um único funcionário passa a atender clientes em muito mais idiomas, sem precisar manter um intérprete na linha.
  • Eventos ao vivo: cada ouvinte escuta o palestrante no próprio idioma.

O primeiro parceiro público citado é a Deutsche Telekom. A empresa usa o Realtime Translation para, junto com a ElevenLabs, adicionar novos recursos ao seu Magenta AI Call Assistant. A vice-presidente de IA para o consumidor, Lena Drubel, descreveu isso como uma "era completamente nova" para a voz e uma forma de derrubar barreiras entre as pessoas. São palavras do parceiro, não uma avaliação independente. O anúncio não traz dados sobre o desempenho do serviço sob carga real.

Voz, idiomas e configurações

Por trás está o Eleven v4 Turbo, um modelo de síntese de voz de baixa latência, otimizado pela ElevenLabs para tarefas em tempo real. Ele oferece suporte a mais de 90 idiomas e identifica sozinho em qual idioma a pessoa está falando. Não é necessário escolher o idioma antecipadamente.

A empresa afirma que a mesma voz soa consistente em diferentes idiomas. Para a marca, isso importa: um agente de suporte na Alemanha, no Brasil e na Índia soará como a mesma "pessoa". A voz pode ser escolhida em uma biblioteca com mais de 17 500 opções ou clonada, na versão rápida (Instant) ou na profissional (Professional). Durante a sessão, a voz não muda.

Há ainda uma configuração de velocidade. A equipe decide quanto tempo após o início da fala a tradução começa. Em conversas complexas, como disputas sobre faturas ou sinistros de seguro, vale esperar e obter uma tradução mais precisa. Em diálogos rápidos, em que o ritmo das falas é o mais importante, escolhe-se a latência mínima. É um compromisso honesto: quanto mais cedo o sistema começa a falar, maior a chance de errar o sentido da frase.

O que levar em conta

O anúncio foi escrito pela equipe de marketing. Não há números de latência, métricas de qualidade da tradução, preços nem comparações com outras soluções. O status de "alfa" significa que o produto pode mudar significativamente e que o acesso é limitado. Os autores também não descrevem como o modelo lida com sotaques, interrupções, ruído na linha e terminologia específica. Em centrais de atendimento, tudo isso acontece o tempo todo.

Há ainda questões que as empresas terão de resolver por conta própria. É preciso avisar o cliente de que o interlocutor fala com voz sintetizada? Como armazenar as gravações das conversas traduzidas? Quem responde por um erro de tradução que leve o cliente a entender mal as condições de um contrato? Para bancos, seguradoras e serviços médicos, essas perguntas envolvem riscos jurídicos, não apenas técnicos.

Para desenvolvedores e gerentes de produto, a conclusão é esta: se o seu produto depende de atendimento por voz ou de ligações internacionais, vale solicitar acesso à alfa e testar o serviço com gravações reais das suas conversas. Preste atenção especial a cenários difíceis, como números, nomes e nomes de planos tarifários. A escolha entre velocidade e qualidade da tradução deve ser feita separadamente para cada tipo de chamada, e não uma única vez para o sistema inteiro.

História

Perguntas frequentes sobre a notícia

Como funciona na prática?

O esquema é simples. A tradução acontece enquanto a conversa continua e soa com uma voz natural e expressiva. Não é preciso gravar a frase, esperar o processamento e só então reproduzir o resultado. A ElevenLabs cita três cenários: Operadoras de telefonia integram a tradução na própria camada de chamadas. Assim, qualquer ligação em sua rede pode acontecer entre pessoas que falam idiomas diferentes. Centrais de contato colocam a tradução entre o atendente e quem liga.

O que se sabe sobre Voz, idiomas e configurações?

Por trás está o Eleven v4 Turbo, um modelo de síntese de voz de baixa latência, otimizado pela ElevenLabs para tarefas em tempo real. Ele oferece suporte a mais de 90 idiomas e identifica sozinho em qual idioma a pessoa está falando. Não é necessário escolher o idioma antecipadamente. A empresa afirma que a mesma voz soa consistente em diferentes idiomas. Para a marca, isso importa: um agente de suporte na Alemanha, no Brasil e na Índia soará como a mesma "pessoa".

O que levar em conta?

O anúncio foi escrito pela equipe de marketing. Não há números de latência, métricas de qualidade da tradução, preços nem comparações com outras soluções. O status de "alfa" significa que o produto pode mudar significativamente e que o acesso é limitado. Os autores também não descrevem como o modelo lida com sotaques, interrupções, ruído na linha e terminologia específica. Em centrais de atendimento, tudo isso acontece o tempo todo. Há ainda questões que as empresas terão de resolver por conta própria.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Private AI Builders Community · Vibe Club

Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews

Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.

Join Vibe Club →Explore Hamidun Academy
O que você acha?
Carregando comentários…