ElevenLabs, clonagem de voz e o que muda nos agentes
ElevenLabs levantou US$ 500 milhões a US$ 11 bilhões e chegou a 41% da Fortune 500. Revolut e Klarna já botaram agentes de voz na linha de frente. O que isso muda para quem opera agentes — e o que a voz não resolve.
Em fevereiro de 2026, a ElevenLabs fechou uma rodada de US$ 500 milhões a um valuation de US$ 11 bilhões, liderada pela Sequoia — triplicando de valor em um ano, segundo o levantamento da Sacra. A empresa passou de US$ 500 milhões de receita recorrente anual e é usada por 41% das companhias da Fortune 500.
Números assim normalmente viram manchete e param por aí. O que me interessa é outra coisa: o que muda na mesa de quem realmente opera agentes.
Passei duas décadas construindo motores de busca antes de virar fundador de IA. Já vi essa curva: recurso vira produto, produto vira plataforma, plataforma vira infraestrutura que ninguém mais discute. Voz sintética passou por isso em tempo recorde. Em 2023 era demo de conferência. Em 2026 é linha de frente de atendimento em banco.
A prova não está no demo, está na fila de suporte
Dois casos de 2026 dizem mais do que qualquer benchmark.
Em janeiro, o Revolut colocou agentes de voz da ElevenLabs no suporte ao cliente no Reino Unido e na Europa, cobrindo mais de 4 milhões de clientes em mais de 30 idiomas, e relatou redução de 8x no tempo até a resolução. Em fevereiro, o Klarna subiu um agente de voz como primeira linha do atendimento telefônico para 35 milhões de clientes nos Estados Unidos, com resoluções até 10x mais rápidas, conforme compilado pelo TextToLab.
Repare no detalhe que quase todo mundo ignora: nenhum desses dois números é sobre voz. São sobre resolução. A voz é a porta. O que resolve o problema é o que está atrás dela.
Voz é interface, não é produto
Aqui está o erro mais caro que vejo empresa cometendo em 2026: tratar clonagem de voz como se fosse o projeto.
Clonar uma voz hoje é commodity. Você grava alguns minutos, sobe, e sai do outro lado uma voz convincente. É impressionante na primeira vez e irrelevante na décima. Porque uma voz clonada em cima de um agente burro é um agente burro que agora fala igual a você.
O que separa o demo do Revolut é o que está por baixo: o agente sabe quem é o cliente, tem acesso ao histórico, conhece a política da casa e sabe quando parar e passar para um humano. Isso não é problema de áudio. É problema de memória, de contexto e de governança.
É exatamente por isso que, na Arvor, voz entra depois. Primeiro organizamos o conhecimento — o BRAIN MAKER transforma documentos, decisões e histórico numa memória consultável com fonte ao lado. Depois ligamos os agentes a essa memória no WhatsApp e no Telegram, onde as pessoas já conversam. Aí sim a voz faz diferença: o advogado dita a peça saindo da audiência, o médico dita a evolução entre consultas, o engenheiro pergunta de capacete com as mãos ocupadas.
Nos três casos, o valor não é a voz bonita. É a resposta certa chegando num momento em que digitar era impossível.
O lado que ninguém quer discutir
Clonagem de voz barata e convincente tem um custo social, e no Brasil ele já chegou.
Áudio de WhatsApp é prova social aqui. A gente reconhece parente pela voz e age com base nisso. Quando três minutos de áudio público bastam para reproduzir alguém de forma convincente, o golpe do falso parente deixa de depender de ator e passa a depender de arquivo.
Isso não é argumento contra a tecnologia — é argumento contra usá-la sem pensar. Se você vai colocar voz sintética falando em nome da sua empresa, decida antes: como o cliente confirma que é você, o que o agente nunca vai pedir por voz e onde entra revisão humana. Essas três perguntas valem mais do que qualquer escolha de modelo.
Onde começar
Se você quer testar a camada de voz, a ElevenLabs é a referência do mercado hoje — tem clonagem, duas famílias de TTS, reconhecimento de fala em mais de 90 idiomas e plataforma própria de agentes conversacionais. Dá para experimentar em try.elevenlabs.io.
Divulgação: esse é um link de afiliado. Se você assinar por ele, a Arvor recebe uma comissão, sem custo adicional para você. Recomendamos porque usamos — a comissão não muda a avaliação técnica acima.
Agora, o conselho honesto: não comece pela voz. Comece pelo que o agente precisa saber para responder direito. Voz em cima de conhecimento desorganizado só faz o erro chegar mais rápido e com sotaque melhor.
Se o problema é esse — conhecimento espalhado, especialista virando gargalo, agente que responde bonito e erra o essencial — é literalmente o que fazemos na consultoria agêntica: diagnóstico, organização e agentes em produção. Não slide.