Você já tentou gerar uma faixa de heavy metal com uma IA e, no meio, quis que ela virasse um coral de ópera? Pois é, até hoje isso era pedir demais. A ElevenLabs lançou o Music v2, e a promessa é justamente essa: transições absurdas entre gêneros sem perder a coerência musical. Se isso entrega ou não, vamos ver.

O fato: ElevenLabs Music v2 chegou

A ElevenLabs atualizou seu modelo de geração musical. Music v2 traz vocais melhores, instrumentação mais rica e arranjos que se adaptam a qualquer gênero. A novidade principal é a capacidade de uma única música começar no estilo ópera e terminar em metal pesado, mantendo a estrutura. Também rola suporte a rap rápido e inserção de efeitos sonoros sem quebrar a faixa.

Além disso, o inpainting foi aprimorado: você pode regenerar trechos específicos sem alterar o resto. Dá para construir a música seção por seção. O suporte multilíngue também ganhou upgrade.

O modelo alimenta três plataformas: ElevenMusic (para músicos), ElevenAPI (para desenvolvedores) e ElevenCreative (para marcas e times de conteúdo). O preço da API é US$ 0,15 por minuto, com máximo de 5 minutos e qualidade de 44,1 kHz a 128-192 kbps.

Como funciona: visão de operador

Por dentro, Music v2 parece usar uma arquitetura de difusão condicionada, similar a outros modelos de áudio, mas com um controle de coerência temporal mais fino. A ElevenLabs não detalha o modelo, mas a capacidade de transitar entre gêneros sugere um embeddings de contexto global que mantém a estrutura harmônica enquanto troca timbres e andamentos.

O inpainting provavelmente usa máscaras no espectrograma, regerando regiões delimitadas sem afetar o resto. Isso é útil para ajustar um refrão ou corrigir um vocal desafinado sem regerar a música inteira.

Na prática, a latência deve ser razoável para geração de até 5 minutos – considerando o preço, o custo por minuto é competitivo comparado a outros serviços de geração musical (ex: Jukebox da OpenAI, que é mais caro e mais lento). A taxa de bits de 128-192 kbps é decente para streaming, mas quem busca masterização profissional pode querer taxas mais altas.

O que isso muda na prática

Quem ganha? Criadores de conteúdo que precisam de trilhas sonoras personalizadas em segundos. YouTubers, podcasters, produtores de vídeo. Também músicos independentes que querem esboçar ideias rapidamente. A licença comercial a partir do plano Starter+ é um diferencial: você pode usar as faixas em projetos comerciais sem preocupação.

Quem perde? Músicos que fazem arranjos complexos e dependem de originalidade radical – a IA ainda soa como uma colagem de referências. Bancos de música royalty-free também podem sentir o impacto.

Ação prática: Se você usa IA para áudio, teste o inpainting em projetos existentes. Pegue uma faixa gerada, isole um trecho problemático e regenere apenas ele. Isso acelera a iteração e reduz custo. Também vale experimentar a transição de gênero para criar aberturas ou interlúdios que surpreendam o ouvinte.

Tensão / Reflexão

Mas vamos com calma. A coerência musical ainda é um gargalo. Transições gênero-ópera podem funcionar em curtas faixas, mas em 5 minutos? O modelo pode perder o fio narrativo musical. Além disso, o custo de US$ 0,15/minuto é baixo para experimentos, mas se você precisa de horas de trilha para um jogo, o preço sobe.

Outra questão: o treinamento com dados licenciados (via parceria com a Believe) é um alívio para direitos autorais, mas a qualidade das faixas geradas ainda depende da diversidade do dataset. Gêneros menos representados podem sair prejudicados.

No fim, Music v2 resolve o problema de gerar música rapidamente, mas não substitui a curadoria humana. A pergunta real: até que ponto a coerência automática vai se sustentar em produções longas?

Conclusão

Music v2 da ElevenLabs é um passo sólido para geração musical controlada. A capacidade de transitar entre gêneros e o inpainting são trunfos para criadores. Mas o custo e a fidelidade ainda são limitadores. Você confiaria a trilha sonora do seu próximo projeto a uma IA sem revisão?