Comparativas de modelos de voz
ElevenLabs v4 frente a v3 y Fish Audio: cómo elegir una voz para un juego de rol con IA
Compara Eleven v4, v4 Turbo, v3 y el sistema de voz de Fish Audio de Playworlds por expresividad, capacidad de respuesta, continuidad y una prueba práctica de escucha.
Compara una aventura, no un solo clip impresionante
Un monólogo precioso puede ocultar una voz que resulta incómoda al jugar. El mismo modelo también necesita pronunciar el nombre de un objeto de misión, responder a una pregunta breve y seguir siendo reconocible cuando un personaje se altera. Esta comparación parte de esas necesidades de los jugadores, en lugar de declarar un ganador universal.
Revisamos la documentación oficial de ElevenLabs y la implementación de Playworlds el 3 de octubre de 2026. No hemos realizado una prueba comparativa de audio controlada. Playworlds utiliza actualmente Fish Audio para la voz, con el identificador de modelo s2.1-pro; los modelos de ElevenLabs que aparecen a continuación son alternativas para evaluar.
Eleven v4 frente a Eleven v3
El catálogo oficial indica más de 90 idiomas y 10.000 caracteres por solicitud para v4, frente a más de 70 idiomas y 5.000 caracteres para v3. ElevenLabs describe v4 como una mejora en fidelidad de voz y expresividad, pero sus propias recomendaciones también aconsejan comparar las voces conocidas antes de cambiar.
Eso importa en una campaña ya establecida. Una reproducción más fiel de una voz de referencia puede seguir sonando distinta del compañero al que un jugador se ha acostumbrado. Compara un saludo guardado y una escena de regreso emotiva; decide si la nueva interpretación conserva el personaje que querías crear.
v4 estándar frente a v4 Turbo
v4 estándar se orienta a producciones centradas en la calidad; Turbo apunta a la interacción en directo. ElevenLabs comunica para Turbo una mediana de latencia de inferencia de aproximadamente 100 ms y una mediana de tiempo hasta el primer audio de voz de 150 ms. La medición del lanzamiento excluye la latencia de red, por lo que esas cifras no equivalen al tiempo que pasa entre el clic de un jugador y el sonido que escucha.
Para narrar un descubrimiento, prueba primero v4 estándar. Para un intercambio rápido con un PNJ, incluye Turbo. Mide la espera completa después de que el jugador envíe una acción, incluida la generación de texto del director de juego, la entrega del audio y la reproducción. Un servicio de voz rápido puede seguir formando parte de un turno lento.
Qué papel ocupa Fish Audio en esta comparación
Fish Audio es la referencia pertinente porque es el proveedor de voz seleccionado en el código actual de Playworlds. El reparto de voces, las muestras, la transmisión y la reproducción existentes ya forman una integración operativa. Sustituir a ese proveedor afectaría a esas funciones del juego, además de al sonido de una voz.
Esta comparación no trata todas las versiones de Fish como si fueran equivalentes. El material público de Fish sobre S2 describe una voz expresiva, mientras que el adaptador de Playworlds especifica s2.1-pro. Mantén ese modelo configurado exacto en cualquier prueba futura y no le atribuyas resultados anunciados para otro modelo.
Una prueba de escucha justa para un grupo pequeño
Prepara cinco líneas originales: un saludo, una advertencia susurrada, un nombre de lugar desconocido, un desacuerdo entre dos interlocutores y un resumen tranquilo. Mantén constantes las palabras pronunciadas y la interpretación deseada. Utiliza la misma grabación de referencia cuando sea compatible y esté permitido; de lo contrario, documenta las diferencias en el reparto de voces.
Reproduce los clips en orden aleatorio y pregunta a quienes escuchan qué palabras han entendido, qué personaje han reconocido y si la emoción encajaba. Registra varias tomas, los fallos, la espera total y el uso facturado. Compara el coste por escena aceptada, incluidos los reintentos, en vez de calcular el precio de una única generación afortunada. Aquí no se presenta ningún ganador porque esa prueba no se ha realizado.
Elige según tu forma de jugar
Nuestra recomendación editorial es probar v4 para los grandes pasajes narrativos, incluir Turbo para los intercambios rápidos y conservar la integración actual de Fish como referencia. Son funciones propuestas para una evaluación. No son opciones de modelo que estemos anunciando para los ajustes de Playworlds.
Como jugador, empieza por las voces disponibles en tu aventura y escucha una escena completa. Como creador, exige que un modelo justifique el cambio mejorando a la vez la claridad, la continuidad y el ritmo. Una voz mejor debería darte ganas de responder al personaje, no solo de volver a reproducir la demostración.