Eleven v4 vs. Sesame Preview: Esta não é a comparação que você pensa que é

Uma pesquisa por ElevenLabs Eleven v4 versus Sesame Preview retorna várias páginas que não hesitam em colocá-los em uma tabela. Quase todas estão comparando um produto com um benchmark contra uma demo, e a tabela é a coisa menos útil da página. O Eleven v4 é um modelo de síntese de fala em disponibilidade geral com uma API, uma tabela de preços e um ranking de arena publicado. O Sesame Preview é um assistente de voz gratuito para consumidores que responde quando você toca em um link. Eles não são duas opções para a mesma compra, e a versão honesta deste artigo é sobre qual deles você realmente quer — porque a resposta depende de uma pergunta que nenhuma página de marketing dos fornecedores faz.

O que o Eleven v4 realmente é

A ElevenLabs lançou o Eleven v4 e o Eleven v4 Turbo em 28 de setembro como endpoints de produção. O Eleven v4 oferece mais de 90 idiomas, limite de 10.000 caracteres por solicitação, diálogo com vários locutores com identidade de locutor estável, diretivas de entrega inline, suporte aprimorado a fonemas IPA e clonagem de voz instantânea a partir de dez segundos de áudio. Ele ocupa o primeiro lugar no Provider Voice Arena da Artificial Analysis, com Elo 1.319 e 1.674 amostras por trás da estimativa, e o segundo lugar no ranking Controlled Voice, com 1.157. Na tabela de preços da API, ele aparece a US$ 0,022 por mil caracteres durante uma promoção que termina em 12 de outubro, voltando a US$ 0,08 — a mesma tarifa praticada pelo ElevenLabs Eleven v3 anterior.

Cada parte desse parágrafo é verificável. Há um identificador de modelo, um limite de entrada documentado, um preço publicado por caractere, uma nota de descontinuação para os níveis Turbo mais antigos e uma entrada independente em um ranking com um intervalo de confiança. É assim que um modelo se parece quando você pode comprá-lo.

O que o Sesame Preview realmente é

O Sesame Preview é uma demonstração para consumidores. É um assistente de voz que você acessa pelo próprio site da empresa, com um pequeno elenco de personas nomeadas — Maya, Miles, Simone e Charlie — memória conversacional que se mantém entre sessões, pesquisa na web, notas e lembretes, e um resumo após a chamada. É gratuito. Sessões com login duram cerca de meia hora; sessões como convidado, cerca de cinco minutos. Ele atende apenas em inglês. E a Sesame afirma claramente que ele não executa tarefas: o objetivo da demonstração é a textura conversacional, não um agente que agenda sua reunião.

A parte que importa para esta comparação é o que está faltando. Não há identificador de modelo, nem endpoint, nem tabela de preços, nem limite de entrada com o qual você possa projetar, e nenhuma data anunciada para o modelo de produção. A linha de pesquisa publicada da Sesame é uma coisa separada — um modelo de fala conversacional com pesos abertos e um contexto de 4K — e não é o mesmo sistema com o qual você conversa no Preview. Portanto, a coisa chamada "Sesame Preview" em todas as tabelas de comparação é um produto com o qual não dá para integrar, e o que você pode baixar não é o produto.

Por que eles não podem compartilhar um placar

A arena de voz controlada do Artificial Analysis é a coisa mais próxima de uma medição neutra que este campo tem, e o Sesame Preview não está nela. Também não está no painel de vozes de provedores. Não há Elo, nem contagem de votos, nem normalização de preços — e não há como produzir uma, porque uma tabela de classificação precisa de um endpoint chamável e de um preço por unidade, e o Sesame Preview não tem nenhum dos dois.

Então, qualquer tabela que coloque esses dois lado a lado está preenchendo a coluna Sesame a partir de um tour de produto. Comparar um endpoint de US$ 80 por milhão de caracteres com uma demonstração web gratuita em termos de "naturalidade" não é uma comparação; é um erro de categoria com um buraco em forma de Elo. Se uma página afirma um vencedor nesse confronto, ela inventou a base para a alegação.

O que se pode dizer honestamente é o que cada um está tentando ser. O Eleven v4 é otimizado para transformar um roteiro em uma performance, em escala, por meio de uma API, com a mesma voz todas as vezes. O Sesame Preview é otimizado para fazer um estranho sentir que está conversando com alguém, uma vez, em uma aba do navegador.

O único lugar onde a comparação é real

Há uma questão genuína subjacente à busca, e ela é sobre pesos abertos. Se o que você realmente quer é um modelo de fala que você possa baixar e executar por conta própria, nem o carro-chefe de um fornecedor nem o do outro é a resposta — a stack da ElevenLabs é fechada, e o sistema da Sesame que você pode executar é o modelo de pesquisa com contexto de 4K, não o assistente.

Para esse trabalho, o ponto de referência útil está nos rankings da arena: Breeze TTS 2 é a entrada de pesos abertos mais bem classificada no Provider Voice, com Elo 1.206 e US$ 34,00 por milhão de caracteres, com 16 modelos de pesos abertos entre os 92 daquele ranking. Isso é 113 pontos atrás do Eleven v4 e bem à frente da linha Qwen3 TTS, com 944 e 930. Se seu projeto precisa rodar no seu próprio hardware, a comparação que vale a pena fazer é Eleven v4 contra Breeze TTS 2 — não contra uma demo de navegador — e o trade-off aí é real: você abre mão de cerca de cem pontos de Elo e do fluxo de trabalho com tags de áudio, e ganha o controle de toda a stack.

Escolher, levando em conta para que serve cada um.

• Se você está construindo um produto que fala — Eleven v4, em uma API, em uma tabela de preços. Nada sobre o Sesame Preview é integrável, então ele não faz parte desta decisão.

• Se você quer uma demonstração conversacional para mostrar a alguém como é a IA de voz — Sesame Preview, e é grátis, o que é todo o argumento a favor dela.

• Se você está avaliando a amplitude emocional antes de se comprometer com um fornecedor — o Elo 1.319 do Eleven v4 no ranking de vozes de fornecedores e 1.157 no ranking de vozes clonadas são os números a considerar, com a ressalva de que o segundo é o que descreve um produto de voz de marca clonada.

• Se você precisa de fala em idiomas além do inglês — o Eleven v4 documenta mais de 90; o Sesame Preview é apenas em inglês e deixa isso claro.

• Se você precisa que o modelo realmente faça alguma coisa — neste confronto, nenhum dos dois. O Sesame Preview deliberadamente não executa tarefas, e o Eleven v4 é um motor de síntese que precisa da sua própria stack em volta dele.

• Se você precisar rodá-lo localmente — nem um nem outro. Breeze TTS 2 é o ponto de referência de pesos abertos.

• Se o custo for o fator decisivo — o Eleven v4 custa $0,022 por mil caracteres até 12 de outubro e $0,08 depois, e o Sesame Preview é gratuito porque não é um produto que se possa comprar. Uma demo gratuita não é uma opção mais barata; é uma categoria diferente.

A única coisa que ambos compartilham é um problema de data. O preço promocional do Eleven v4 expira em 12 de outubro, o que altera seu custo por um fator de quase quatro. A Sesame não deu data alguma para o modelo de produção, o que é um tipo diferente de incerteza — o Preview pode ser substituído no mês que vem ou permanecer inalterado por um ano, e não há como planejar em torno de um lançamento que ninguém agendou.

Se a sua stack acabar abrangendo mais de um fornecedor de voz

O OrcaRouter não hospeda nem a ElevenLabs nem a Sesame, portanto não há nada neste artigo para chamar por meio de nós e não vamos insinuar o contrário. O que cobrimos é a camada acima de um stack que já é multivendor. Uma única chave de API alcança mais de 200 modelos com os preços de lista dos provedores repassados com 0% de markup, de modo que uma mudança de preço no upstream — sendo a janela promocional deste lançamento um exemplo ao vivo — chega ao nosso lado no mesmo dia, em vez de na próxima fatura. Onde o caminho de voz é voltado ao cliente, o failover automático desloca o tráfego para um upstream saudável quando um deles se degrada, que é como você pode testar um novo endpoint em tráfego real sem apostar um lançamento nele.

O que levar

Eleven v4 é um modelo que você pode comprar, medir e no qual pode confiar, e atualmente ocupa o topo do ranking de voz de fornecedores, com uma redução de preço válida por duas semanas. Sesame Preview é um experimento gratuito de sensação conversacional, apenas em inglês, limitado a trinta minutos, e não é algo em que você possa se basear. O motivo de eles aparecerem nos mesmos resultados de pesquisa é que ambos são IA de voz e ambos são novos — não que um seja uma alternativa ao outro.

Se você veio aqui para escolher entre eles, a reformulação útil é esta: você não está escolhendo um modelo de voz. Você está decidindo se vai lançar um produto ou testar uma demo, e apenas uma dessas decisões tem uma tabela de preços atrelada. Se for o produto, leia os números do Eleven v4 e releia-os em 13 de outubro, quando a tarifa promocional expirar e a comparação com todos os outros fornecedores no painel mudar.