A ElevenLabs lançou o Dubbing v2 para traduzir áudio e vídeo para mais de 90 idiomas tentando preservar voz, ritmo e emoção da gravação original. A proposta é ambiciosa: em vez de reconstruir a interpretação apenas a partir de uma transcrição, o novo sistema usa a própria performance como referência para gerar a fala no idioma de destino.
A tecnologia pode interessar a criadores, equipes de marketing, cursos e produtoras que precisam localizar conteúdo. Mas a documentação atual impõe uma leitura menos promocional: o Dubbing v2 ainda aparece como alpha, a geração automática não permite editar o resultado, a API específica da versão 2 ainda não foi liberada e dublagem em tempo real não está disponível.
Essas restrições não tornam o produto inútil. Elas definem onde ele pode economizar trabalho e onde ainda exige revisão humana ou outro fluxo de produção.
Quando isso aconteceu
O anúncio oficial do Dubbing v2 foi publicado em 28 de maio de 2026 e atualizado em 28 de julho. A ElevenLabs informou que o modelo estava disponível no ElevenCreative e pelo serviço ElevenProductions. A empresa também disse que o acesso por API viria depois.
Em consulta realizada em 8 de agosto de 2026, a documentação atual de Dubbing continuava classificando o modelo como “Dubbing v2 Alpha” e afirmava que a API v2 ainda não estava ativa. A pauta é antiga em relação ao dia da publicação, mas permanece relevante justamente porque essas condições continuam valendo.
O que muda em relação a uma dublagem baseada apenas em texto
Um fluxo simples de dublagem automática costuma separar o trabalho em transcrição, tradução e síntese de voz. O problema é que texto não carrega sozinho hesitação, velocidade, ênfase, energia e pausas. Mesmo uma tradução correta pode soar plana quando a voz é reconstruída sem referência suficiente da atuação original.
A ElevenLabs afirma que o Dubbing v2 condiciona a geração diretamente na performance de origem. O objetivo é transferir tom, ritmo e intenção emocional para a língua escolhida e adaptar a tradução ao tempo disponível. A documentação também descreve separação de múltiplos falantes, preservação da trilha de fundo e tratamento de vozes sobrepostas.
Essas são alegações do fornecedor. O Bastidores da IA não executou um teste independente do modelo para esta reportagem. Preservar “emoção” não é uma medida simples e pode variar conforme idioma, sotaque, ruído, interpretação e qualidade da gravação. Um material destinado ao público precisa ser ouvido por alguém que conheça a língua de destino, e não apenas aprovado porque o processamento terminou sem erro.
Mais de 90 idiomas, incluindo português
A lista oficial de idiomas inclui português, inglês, espanhol, francês, alemão, italiano, árabe, chinês, japonês, coreano, hindi, russo, ucraniano e dezenas de outras línguas. A cobertura extensa abre uma possibilidade real de distribuir o mesmo vídeo para públicos diferentes sem regravar todo o conteúdo.
Quantidade de idiomas, porém, não garante a mesma qualidade em todos eles. Variações regionais, nomes próprios, termos técnicos, gírias e referências culturais podem exigir adaptação. Em um curso brasileiro, por exemplo, a versão em português de Portugal pode precisar de vocabulário diferente da usada no Brasil. O mesmo vale para espanhol europeu e latino-americano.
A ferramenta oferece um controle chamado “cloning strength”. Segundo a documentação, aumentar esse valor aproxima a voz gerada da voz original, mas pode reduzir a naturalidade entre línguas com características fonéticas muito diferentes e carregar mais do sotaque de origem. Diminuir o valor dá mais liberdade para a fala soar natural, com o custo de perder semelhança. Não existe uma configuração universalmente melhor.
O limite mais importante: a versão automática ainda não pode ser editada
O guia do produto deixa claro que o Dubbing v2, usado por padrão na página de dublagem, funciona de forma automática. Depois da geração, não há opção para editar transcrição, tradução ou segmentos dentro desse fluxo.
Quem precisa ajustar palavras, trocar um falante ou regenerar apenas um trecho é direcionado ao Dubbing Studio, que utiliza o modelo antigo V1. A própria ElevenLabs informa que o Studio está em modo de manutenção e recebe apenas correções críticas. Também não é possível converter uma dublagem automática v2 já pronta em projeto editável do Studio.
Essa separação cria uma escolha pouco óbvia. O V2 traz o modelo mais recente e uma experiência rápida, mas sacrifica controle editorial. O V1 permite trabalhar na linha do tempo, corrigir texto e regenerar clipes, porém pertence ao fluxo legado. Para vídeo institucional, curso pago ou campanha de grande alcance, poder revisar apenas um trecho pode ser mais importante que usar a versão mais nova.
Existe ainda o serviço ElevenProductions. Nele, a empresa combina modelos próprios com tradução, seleção de voz, ajustes de ritmo e controle de qualidade feitos por profissionais. O guia do serviço informa que o preço depende do projeto e requer contato para orçamento. É uma oferta diferente da automação self-service.
Arquivos longos são aceitos, mas o fluxo não é ao vivo
No modo automático do Dubbing v2, a documentação informa upload de até 2 GB e duração máxima de 180 minutos. A recomendação é manter até nove falantes distintos por arquivo para obter melhor qualidade. Todos os planos self-service permitem até cinco trabalhos de dublagem simultâneos, enquanto o padrão informado para planos Enterprise é maior.
Esses limites permitem processar aulas, entrevistas, podcasts e vídeos relativamente longos. Não significam tradução simultânea. A seção de perguntas frequentes diz que dublagem em tempo real ou ao vivo não está disponível.
O produto também não inclui sincronização labial própria nesse fluxo. O guia informa que lip sync aparece em outras áreas da plataforma por meio de modelos de terceiros. Sincronizar a duração da fala ajuda a encaixar o áudio no vídeo, mas não garante que cada movimento da boca coincida com a nova língua.
API v2 ainda não está pronta para automações externas
A ElevenLabs possui endpoints de dublagem e documentação para desenvolvedores, mas a página específica do Dubbing v2 afirma que a nova versão ainda não está disponível por API. Ela diz que o lançamento é esperado nas semanas seguintes, sem registrar uma data definitiva.
Isso exige cuidado de quem lê um tutorial antigo ou encontra um exemplo de código. Um endpoint de dublagem existente não comprova que ele utiliza o V2. Antes de construir uma automação, o desenvolvedor precisa confirmar o modelo realmente atendido pela chamada e as capacidades disponíveis naquele momento.
Enquanto a API v2 não chega, o uso automático mais recente acontece pela interface do produto. Empresas que dependem de processamento em lote, integração com um sistema de publicação ou controle de versões devem evitar desenhar o projeto contando com uma promessa sem data.
Custo, marca d’água e revisão
A ElevenLabs informa que o custo depende da duração e do número de idiomas selecionados e que o total aparece antes da confirmação. Como a página consultada não fornece uma tarifa única aplicável a todos os casos, esta matéria não inventa um valor por minuto.
O Dubbing v2 está disponível inclusive no plano gratuito, mas as saídas desse plano recebem marca d’água automaticamente. Nos planos pagos, a documentação informa que essa marca não é aplicada. Não há um botão de desconto em troca de marca d’água no V2.
Para avaliar o serviço, o melhor teste é curto e difícil de propósito: escolher um trecho com dois falantes, nomes próprios, emoção e música de fundo; gerar uma única língua; pedir revisão a um nativo; e registrar erros de tradução, identidade, ritmo e pronúncia. Só depois vale enviar horas de material ou multiplicar o número de idiomas.
Também é necessário ter direito de usar o áudio, o vídeo e a voz envolvidos. Dublar uma pessoa para fazê-la dizer algo que nunca aprovou pode causar dano mesmo quando a tecnologia funciona perfeitamente. Consentimento, contrato e contexto editorial não são problemas que o modelo resolve.
Por que isso ainda importa
O Dubbing v2 mostra que a localização de conteúdo está mudando de uma sequência de ferramentas isoladas para um processo que tenta carregar a atuação original entre idiomas. Isso pode reduzir a barreira para um canal, curso ou empresa conversar com outros mercados.
Ao mesmo tempo, o estado atual do produto revela o preço da automação: a versão mais nova oferece escala e rapidez, mas ainda limita edição e integração externa. Para conteúdo descartável ou um primeiro rascunho, esse compromisso pode ser aceitável. Para comunicação pública, educação, publicidade ou personagens licenciados, revisão humana e controle de trechos continuam essenciais.
A notícia de maio não ficou para trás. Em agosto, o modelo segue em alpha e a API v2 continua anunciada como próxima etapa. É justamente essa distância entre a demonstração e o fluxo de produção que torna a pauta útil agora.