ElevenLabs: uma voz vale US$ 11 bilhões (e esse não é o limite)

Enquanto o mundo discute quando o GPT-5 vai substituir os programadores, a ElevenLabs vem conquistando, de forma discreta e com muita qualidade, tudo o que emite som. Uma rodada de US$ 500 milhões da Sequoia Capital, com avaliação de US$ 11 bilhões, não é apenas uma notícia sobre dinheiro. É o reconhecimento oficial de que o mercado de geração de áudio deixou de ser um brinquedo para fazer memes com vozes de políticos e se tornou uma indústria de verdade, com cheques enormes e apostas sérias.

Há apenas um ano, a empresa valia três vezes menos. Uma alta tão vertical, num momento em que o mercado de venture capital ainda lambe as feridas após a crise, diz muito. Os investidores da Sequoia claramente enxergaram na ElevenLabs mais do que mais uma rede neural de narração: a futura infraestrutura de todo o conteúdo mundial. Se você consegue clonar uma voz em segundos e traduzi-la para dezenas de idiomas mantendo entonações únicas, na prática está reinventando a indústria tradicional de dublagem e localização.

Vamos lembrar como tudo começou. A ElevenLabs irrompeu no noticiário com uma tecnologia que assustava pelo realismo. Na época, parecia um brinquedo perigoso para trotes. Mas a startup logo superou as dores do crescimento e passou a atuar em editoras, games e mídia. Hoje sua API é integrada por todos, de desenvolvedores independentes de jogos indie a gigantes que precisam narrar milhares de horas de audiolivros sem contratar atores. A economia em horas de estúdio e cachês de locutores chega a ordens de grandeza.

Claro, esse crescimento levanta questões naturais. US$ 11 bilhões por uma empresa que faz síntese de fala não é demais? Afinal, Meta* e OpenAI também trabalham em seus próprios modelos de áudio, e seus recursos são praticamente ilimitados. Ainda assim, a ElevenLabs conseguiu criar em torno do produto um ecossistema e uma marca associada à qualidade número um. Num mundo de IA em que modelos open source ameaçam as soluções proprietárias, manter essa liderança não é tarefa fácil. Mas os US$ 500 milhões de capital novo dão uma boa margem de manobra e para novas pesquisas.

É interessante ver como muda o foco dos grandes players. Se o ano passado foi marcado por texto e código, este claramente pertence aos ativos de mídia. O vídeo do Sora e o áudio da ElevenLabs formam um novo conjunto de ferramentas para criar conteúdo em um clique. Isso assusta os profissionais do setor, mas para as empresas é pura matemática: por que pagar um estúdio por um mês de trabalho se um serviço em nuvem faz o mesmo em cinco minutos e cem vezes mais barato? Estamos entrando numa era em que a voz se torna um ativo digital, como uma fonte ou um logotipo.

Porém, essa moeda tem outro lado. Com o aumento do valor de mercado, cresce também a responsabilidade. Os problemas de deepfakes e roubo de identidade vocal não desapareceram. A ElevenLabs terá de gastar uma parte significativa dos US$ 500 milhões em segurança e em batalhas jurídicas com sindicatos de atores, que já começam a fazer perguntas incômodas. Como a empresa usará esse dinheiro ficará claro nos próximos meses, mas uma coisa é certa: a voz agora vale caro.

Resumo: a ElevenLabs deixou de ser uma empresa correndo atrás e virou o alvo número um dos concorrentes. Será que ela conseguirá justificar a avaliação de US$ 11 bilhões quando Google e Apple integrarem recursos semelhantes diretamente em seus sistemas operacionais?

*Meta é considerada organização extremista e está proibida na Federação Russa.