ElevenLabs y NVIDIA amplían su colaboración en modelos, infraestructura y despliegues soberanos, para ayudar a empresas y gobiernos a operar agentes de voz a gran escala. El 11 de noviembre de 2026, en Nueva York, las dos compañías anunciaron que Nemotron 3.5 Super VL ya está disponible en ElevenAgents, la plataforma de agentes conversacionales de ElevenLabs.
Para Mati Staniszewski, cofundador y director general de ElevenLabs, los agentes de voz se están convirtiendo en una infraestructura crítica, y las empresas deben poder operarlos « de forma segura, eficiente, fiable y manteniendo el control de sus datos ». Presenta la combinación de los modelos de audio y agentes de ElevenLabs con los LLM (modelos de lenguaje grandes), el cómputo acelerado y la pila de seguridad de NVIDIA como una forma de desplegar estos agentes « a una escala muy grande ». Jensen Huang, fundador y director general de NVIDIA, resume así el cambio: « Durante décadas, nos hemos adaptado a los ordenadores, con teclados, pantallas y menús. Hoy, los ordenadores están aprendiendo a hablar nuestro idioma. »
Nemotron se une a los modelos disponibles en ElevenAgents
Los modelos abiertos Nemotron están diseñados para tareas agentivas, es decir, trabajos donde el modelo debe razonar, usar herramientas y ejecutar eficazmente tareas complejas de múltiples pasos. Las empresas pueden combinarlos con los modelos de voz multilingües y de baja latencia de ElevenLabs, para constituir sistemas de modelos para sus agentes de voz.
En el benchmark ElevenAgents, dedicado a tareas realistas de atención al cliente, Nemotron 3.5 Super VL obtiene, según ElevenLabs, la mejor precisión en la realización de tareas de extremo a extremo, incluidos los cálculos financieros y el análisis de facturación, con costes un 70 % inferiores a los de otros modelos abiertos líderes. El modelo permite desactivar el razonamiento para las tareas más simples, lo que lo sitúa, siempre según la empresa, entre los tres modelos más rápidos de la plataforma. Los modelos abiertos Nemotron pueden además ser objeto de un post-entrenamiento con los datos y la experiencia propios de cada organización, y los clientes de ElevenLabs pueden usar estas versiones adaptadas en ElevenAgents.
Capacidad aumentada y despliegue en Polonia
Para responder a la demanda de sus clientes más grandes, ElevenLabs desarrolla su infraestructura in situ. La empresa prevé añadir 15 MW de capacidad NVIDIA Vera Rubin de nueva generación, como complemento de sus sistemas NVIDIA Blackwell Ultra existentes. Esta capacidad debe apoyar los grandes despliegues, incluidos aquellos sujetos a requisitos estrictos de seguridad y residencia de datos.
Las dos empresas colaboran desde 2022, y el primer modelo de síntesis de voz de ElevenLabs se entrenó en GPU NVIDIA. Desde 2024, NVIDIA usa la tecnología de ElevenLabs para producir voces en off de más de 50 vídeos durante sus grandes eventos, incluidas las traducciones de las keynotes de Jensen Huang. En 2025, NVIDIA también se convirtió en un inversor estratégico de ElevenLabs.
En Polonia, primer país concernido por estos despliegues soberanos, los modelos de voz de ElevenLabs y la infraestructura NVIDIA hacen funcionar el agente de voz de Centralna e-Rejestracja, el sistema central de toma de citas de la plataforma nacional de e-salud. La solución está respaldada por EasyCall. El agente llama a los pacientes que solo tienen línea fija para recordarles sus citas y ayudarles a reprogramarlas. Con 40 millones de citas al año y tasas de ausencia del 10 al 20 %, una reducción, aunque sea ligera, de las consultas perdidas puede mejorar el acceso a la atención. El dispositivo funciona in situ gracias a NVIDIA Confidential Computing, que protege los datos y el audio de los ciudadanos durante su procesamiento y los mantiene dentro de la infraestructura pública.
La voz al servicio de la IA física
Mientras que actores de la industria, la automoción y la fabricación exploran la IA de voz embebida para la robótica y la IA física, ElevenLabs y NVIDIA trabajan para facilitar el diálogo natural entre las personas y las máquinas, robots y vehículos que usan a diario. Las aplicaciones previstas incluyen el comando por voz de maquinaria industrial pesada, la interacción sin manos con robots en las líneas de producción, o la posibilidad de que conductores y operadores hablen con sus vehículos.
