ElevenLabs agora reúne imagem, vídeo e áudio para criadores

Em 2026, o ElevenLabs ampliou seu espaço de criação para além da voz. Seus anúncios de setembro incluem APIs de imagem, vídeo e templates, geração multimodal pelo MCP e uma nova geração de texto para fala, o Eleven v4. Para quem cria um personagem ou influenciador de IA, a novidade principal é poder encadear partes de uma produção; a ferramenta escolhida ainda depende do resultado que você quer.

O que chegou ao ElevenLabs em setembro de 2026?

Em 26 de setembro, o ElevenLabs anunciou APIs de imagem, vídeo e templates, com atualização em 12 de outubro. Segundo o anúncio oficial das APIs, a plataforma dá acesso a modelos de Google, OpenAI, ByteDance e Creatify para gerar e editar imagens, animá-las em vídeo e rodar templates. Isso descreve o catálogo disponível dentro do ElevenLabs, não significa que todos os modelos foram criados pela própria empresa.

Os templates são fluxos reutilizáveis montados no Flows: a equipe define entradas, referências de marca, modelos e formatos, depois executa o processo com novos dados. O exemplo publicado é de comércio eletrônico: fornecer a imagem e o nome de um produto para receber fotos de catálogo, variações de anúncio e um vídeo. É um caminho voltado a equipes que repetem produção em escala, não uma promessa de que todo personagem vai manter o mesmo rosto em cada geração.

Em 14 de setembro, a empresa também anunciou geração de voz, música, efeitos, imagem e vídeo pelo ElevenLabs MCP. O conector permite pedir essas tarefas em uma conversa e envia o resultado para o workspace ElevenCreative. A empresa afirma que o MCP reúne mais de 50 modelos; é a plataforma que os conecta, não um único modelo multimodal proprietário.

E o Eleven v4?

O anúncio de 28 de setembro, atualizado em 19 de outubro, apresenta o Eleven v4 e o v4 Turbo como modelos de texto para fala. A empresa destaca interpretação de emoção e contexto, consistência de voz e suporte a mais de 90 idiomas. Essas capacidades são relevantes para narração, diálogo, audiolivros e agentes de voz. Elas não significam que o v4 seja o modelo que gera vídeo.

Essa distinção ajuda a escolher o fluxo. Se o objetivo é uma foto de produto com variações repetíveis, avalie templates de imagem. Para uma peça com narração, música e cenas geradas, o MCP ou o Studio podem reunir etapas. Para um personagem que precisa parecer a mesma pessoa em posts diferentes, compare a consistência visual entre as saídas e teste roupas, enquadramentos e expressões com referências aprovadas. Uma voz consistente e um rosto consistente são problemas relacionados, mas resolvidos por componentes diferentes.

Como isso se compara ao Dublê?

O Dublê tem outra tarefa: escolhe-se um personagem e coloca-se no lugar de alguém em uma trend ou em um vídeo já gravado. Por exemplo, o clipe original do Passinho do Jamal e a versão com o Vector mostram o personagem dentro da mesma cena. O vídeo gerado vem com som; confira fala, canto e música no resultado.

Assim, ElevenLabs e Dublê não são duas interfaces para o mesmo resultado. O ElevenLabs anuncia ferramentas gerais de criação, áudio, APIs e fluxos reaproveitáveis; o Dublê é um fluxo de substituição de personagem em vídeo real. Não há integração do ElevenLabs anunciada no Dublê. Para entender outras categorias, veja avatar falante ou personagem em vídeo real e geradores de influenciador de IA.

Antes de escolher, defina o arquivo final: uma imagem de catálogo, um vídeo feito a partir de texto, uma narração, ou um personagem inserido em uma gravação existente. Depois compare controle de identidade, edição, formatos, custo e o quanto do processo precisa ser automatizado. Para começar pelo Dublê com um vídeo real, abra o app e escolha um personagem.