Eleven v4 vs Sesame Preview: Esta no es la comparación que crees que es

Una búsqueda de ElevenLabs Eleven v4 frente a Sesame Preview arroja un montón de páginas que con gusto los pondrán en una tabla. Casi todas comparan un producto con un benchmark frente a una demo, y la tabla es lo menos útil de la página. Eleven v4 es un modelo de síntesis de voz de disponibilidad general con una API, una lista de precios y un ranking de arena publicado. Sesame Preview es un asistente de voz de consumo gratuito que responde cuando tocas un enlace. No son dos opciones para la misma compra, y la versión honesta de este artículo trata sobre cuál de los dos quieres en realidad, porque la respuesta depende de una pregunta que no plantea la página de marketing de ninguno de los dos proveedores.

Qué es realmente Eleven v4

ElevenLabs lanzó Eleven v4 y Eleven v4 Turbo el 28 de septiembre como endpoints de producción. Eleven v4 admite más de 90 idiomas, un límite de 10.000 caracteres por solicitud, diálogo con múltiples hablantes con identidad de hablante estable, directivas de entrega en línea, compatibilidad mejorada con fonemas IPA y clonación de voz instantánea a partir de diez segundos de audio. Ocupa el primer puesto en el Provider Voice Arena de Artificial Analysis con un Elo de 1.319 y 1.674 muestras detrás de la estimación, y el segundo en el panel Controlled Voice con 1.157. En la tarifa de la API figura a $0,022 por mil caracteres durante una promoción que termina el 12 de octubre, volviendo a $0,08 — la misma tarifa que ha tenido el anterior ElevenLabs Eleven v3.

Cada parte de ese párrafo es verificable. Hay un identificador de modelo, un límite de entrada documentado, un precio publicado por carácter, una nota de obsolescencia para los niveles Turbo más antiguos, y una entrada independiente en una tabla de clasificación con un intervalo de confianza. Así es como se ve un modelo cuando puedes comprarlo.

Qué es realmente Sesame Preview

Sesame Preview es una demostración para consumidores. Es un asistente de voz al que accedes a través del sitio web de la propia empresa, con un pequeño elenco de personas con nombre —Maya, Miles, Simone y Charlie—, memoria conversacional que se conserva entre sesiones, búsqueda web, notas y recordatorios, y un resumen después de la llamada. Es gratis. Las sesiones con sesión iniciada duran alrededor de media hora; las sesiones como invitado, unos cinco minutos. Solo funciona en inglés. Y Sesame declara claramente que no ejecuta tareas: el objetivo de la demo es la textura conversacional, no un agente que te agende reuniones.

La parte que importa para esta comparación es lo que falta. No hay un identificador de modelo, ni un endpoint, ni una tabla de tarifas, ni un límite de entrada sobre el que puedas diseñar, y tampoco una fecha anunciada para el modelo de producción. La línea de investigación publicada de Sesame es algo aparte —un modelo de voz conversacional de pesos abiertos con un contexto de 4K— y ese no es el mismo sistema con el que hablas en la Preview. Así que eso que se llama «Sesame Preview» en todas las tablas comparativas es un producto con el que no puedes integrarte, y lo que puedes descargar no es el producto.

¿Por qué no pueden compartir un marcador?

La arena de voz controlada de Artificial Analysis es lo más cercano que tiene este campo a una medición neutral, y Sesame Preview no está en ella. Tampoco está en el panel de voces de proveedores. No hay Elo, ni recuento de votos, ni normalización de precios — y no hay forma de producir uno, porque una tabla de clasificación necesita un endpoint invocable y un precio por unidad, y Sesame Preview no tiene ninguno de los dos.

Así que cualquier tabla que ponga a estos dos lado a lado está rellenando la columna de Sesame con datos de un recorrido del producto. Comparar un endpoint de $80 por millón de caracteres con una demo web gratuita en cuanto a "naturalidad" no es una comparación; es un error de categoría con un agujero con forma de Elo. Si una página declara un ganador en ese enfrentamiento, se inventó la base de la afirmación.

Lo que puede decirse honestamente es lo que cada uno intenta ser. Eleven v4 está optimizado para convertir un guion en una actuación, a escala, mediante una API, con la misma voz cada vez. Sesame Preview está optimizado para hacer que un desconocido sienta que está hablando con alguien, una vez, en una pestaña del navegador.

El único lugar donde la comparación es real

Hay una pregunta genuina subyacente a la búsqueda, y tiene que ver con los pesos abiertos. Si lo que realmente quieres es un modelo de voz que puedas descargar y ejecutar por tu cuenta, la respuesta no está en el producto estrella de ninguno de los dos proveedores: el stack de ElevenLabs es cerrado, y el sistema de Sesame que puedes ejecutar es el modelo de investigación con contexto de 4K, no el asistente.

Para ese trabajo, el punto de referencia útil está en los tableros de la arena: Breeze TTS 2 es la entrada de pesos abiertos mejor clasificada en Provider Voice, con Elo 1.206 y $34,00 por millón de caracteres, con 16 modelos de pesos abiertos en el campo de 92 de ese tablero. Eso es 113 puntos por detrás de Eleven v4 y muy por delante de la línea Qwen3 TTS con 944 y 930. Si tu proyecto necesita ejecutarse en tu propio hardware, la comparación que vale la pena hacer es Eleven v4 contra Breeze TTS 2 —no contra una demo de navegador— y la disyuntiva ahí es real: renuncias a aproximadamente cien puntos Elo y al flujo de trabajo de etiquetas de audio, y ganas el control de todo el stack.

Elegir, según para qué sirve cada uno

• Si estás creando un producto que habla — Eleven v4, en una API, en una tarifa. Nada de Sesame Preview es integrable, así que no forma parte de esta decisión.

• Si quieres una demo conversacional para mostrarle a alguien cómo se siente la IA de voz — Sesame Preview, y es gratis, que es todo el argumento a su favor.

• Si estás evaluando el rango emocional antes de decidirte por un proveedor — el Elo 1.319 de Eleven v4 en el tablero de voz de proveedor y 1.157 en el tablero de voz clonada son los números que hay que leer, con la salvedad de que el segundo es el que describe un producto de voz de marca clonada.

• Si necesitas voz en idiomas más allá del inglés — Eleven v4 documenta más de 90; Sesame Preview es solo en inglés y lo dice.

• Si necesitas que el modelo haga algo de verdad — ninguno de los dos, en esta comparativa. Sesame Preview deliberadamente no ejecuta tareas, y Eleven v4 es un motor de síntesis que necesita tu propio stack a su alrededor.

• Si necesitas ejecutarlo localmente, ninguno de los dos. Breeze TTS 2 es la referencia de pesos abiertos.

• Si el costo es el factor decisivo — Eleven v4 cuesta $0.022 por mil caracteres hasta el 12 de octubre y $0.08 después, y Sesame Preview es gratis porque no es un producto que se pueda comprar. Una demo gratuita no es una opción más barata; es una categoría distinta.

Lo único que ambos comparten es un problema de fechas. El precio promocional de Eleven v4 vence el 12 de octubre, lo que cambia su coste por un factor de casi cuatro. Sesame no ha dado ninguna fecha para el modelo de producción, lo cual es un tipo diferente de incertidumbre: el Preview podría ser reemplazado el mes que viene o permanecer sin cambios durante un año, y no hay forma de planificar en torno a un lanzamiento que nadie ha programado.

Si tu stack termina abarcando más de un proveedor de voz

OrcaRouter no aloja ni a ElevenLabs ni a Sesame, así que no hay nada en este artículo que se pueda invocar a través de nosotros, y no vamos a insinuar lo contrario. Lo que sí cubrimos es la capa por encima de una pila que ya es multiproveedor. Una sola clave de API llega a más de 200 modelos con los precios de lista de los proveedores transferidos con un 0 % de margen, por lo que un cambio de precio aguas arriba —la ventana promocional de este lanzamiento es un ejemplo en vivo— recae en nuestro lado el mismo día en lugar de en la siguiente factura. Cuando la ruta de voz está de cara al cliente, la conmutación por error automática desplaza el tráfico a un proveedor ascendente en buen estado cuando uno se degrada, que es como puedes probar un nuevo endpoint con tráfico real sin apostar un lanzamiento a ello.

Qué llevarse

Eleven v4 es un modelo que puedes comprar, medir y del que puedes depender, y actualmente ocupa el primer puesto en el ranking de voces de proveedores con un descuento de dos semanas. Sesame Preview es un experimento gratuito sobre la sensación conversacional, solo en inglés, limitado a treinta minutos, y no es algo sobre lo que puedas construir. La razón por la que aparecen en los mismos resultados de búsqueda es que ambos son IA de voz y ambos son nuevos — no que uno sea una alternativa al otro.

Si viniste aquí para elegir entre ellos, la reformulación útil es esta: no estás eligiendo un modelo de voz. Estás decidiendo si vas a lanzar un producto o a probar una demo, y solo una de esas decisiones lleva una tarifa asociada. Si es el producto, lee las cifras de Eleven v4 y vuelve a leerlas el 13 de octubre, cuando caduque la tarifa promocional y cambie la comparación con todos los demás proveedores de la tabla.