Audiovisual & IAelevenlabs
ElevenLabs en español: clonar tu voz y doblar vídeo (2026)
Guía de ElevenLabs en español: precios reales, cómo clonar tu voz con consentimiento, doblar vídeos a otros idiomas y qué voces suenan naturales.
- Autor: humAIns
- 13 min de lectura
índice · 8 apartados
Clonar una voz para narrar un curso o doblar un vídeo al inglés dejó de ser un proyecto de estudio. Con una grabación decente y una suscripción de seis dólares al mes, un editor puede tener su propia voz hablando en tres idiomas antes de comer. ElevenLabs es la herramienta que más se ha popularizado para eso y la que más dudas levanta: cuánto cuesta, qué se puede hacer con la voz de otra persona y qué plan permite cobrar por el resultado.
Los precios y límites de esta guía están consultados en elevenlabs.io/pricing el 7 de noviembre de 2026 y pueden cambiar: cuando dudes, mira la página oficial, no este artículo.
Qué es ElevenLabs y para qué se usa
ElevenLabs es una plataforma de audio con IA: convierte texto en voz, clona una voz a partir de una grabación y dobla audio o vídeo a otros idiomas manteniendo el timbre del hablante original. En español de España se usa sobre todo para narrar formación, locutar piezas de canal y anuncios, generar audiolibros y doblar contenido que ya existe.
Lo que hace bien: voces naturales en decenas de idiomas, clonación con muy poco audio, doblaje en la misma herramienta y una API cómoda. Lo que no hace: decidir si tu texto está escrito para el oído, sincronizar la boca en primeros planos ni sustituir a un actor cuando la interpretación es el producto. Se organiza en ElevenCreative (voz, clonación, música, efectos, doblaje), ElevenAgents y ElevenAPI; para un creador, lo relevante está en el primero.
Planes y precios: qué incluye cada uno
Precios en dólares, facturación mensual y sin impuestos, tal como aparecen en la página oficial el 7 de noviembre de 2026. ElevenLabs cobra en dólares: tu banco añadirá la conversión y el IVA.
| Plan | Precio/mes | Créditos/mes | Lo que desbloquea |
|---|---|---|---|
| Free | 0 $ | 10.000 | Texto a voz, voz a texto, efectos, diseño de voz. Sin licencia comercial |
| Starter | 6 $ | 30.000 | Licencia comercial, clonación instantánea, Dubbing Studio, música comercial |
| Creator | 22 $ | 121.000 | Clonación profesional de voz (el primer mes sale a 11 $) |
| Pro | 99 $ | 600.000 | Salida PCM a 44,1 kHz y audio a 192 kbps |
| Scale | 299 $ | 1.800.000 | 3 plazas de equipo y 3 clonaciones profesionales incluidas |
| Business | 990 $ | 6.000.000 | 10 plazas, 10 clonaciones, latencia baja en API desde 0,05 $/minuto |
| Enterprise | A medida | A medida | DPA y SLA propios, SSO, concurrencia elevada |
Dos detalles que cambian la cuenta:
- El pago anual equivale a diez mensualidades (dos meses gratis): 5 $/mes en Starter, 18,33 $ en Creator, 82,50 $ en Pro, 249,17 $ en Scale y 825 $ en Business.
- Los créditos son un único monedero para todos los productos. Gastar en música es no gastar en voz.
Cuánto cunde un crédito, según la FAQ oficial: en los modelos multilingües estándar un carácter de texto equivale a un crédito, y una narración en castellano ronda las 900-1.000 letras por minuto. Planifica con mil créditos por minuto de voz. El resto se cobra aparte: voz a texto 330 créditos por minuto, música 900, efectos 200 por generación, cambio de voz y aislador 1.000 por minuto.
El doblaje es la partida cara: 2.000 créditos por minuto en automático con marca de agua, 3.000 sin marca, 5.000 en Dubbing Studio con marca y 10.000 sin marca. Un vídeo de diez minutos doblado en Studio sin marca de agua son 100.000 créditos, casi un mes entero de Creator: prueba con un fragmento antes de subir la pieza completa.
Clonar tu voz paso a paso
Hay dos formas de clonar y conviene elegir con criterio, porque no cuestan lo mismo ni suenan igual.
1. Elige el tipo de clon. La clonación instantánea analiza la muestra al momento y devuelve una voz utilizable en segundos: sirve para prototipos, pruebas de guion y narración rápida. La profesional entrena un modelo dedicado con mucho más audio y produce un resultado prácticamente indistinguible, a cambio de 3-6 horas de proceso y de un plan Creator o superior.
2. Graba limpio. Micrófono decente, habitación sin reverb, sin ventilador ni tráfico, y el mismo equipo en todas las tomas. El formato recomendado es MP3 a 192 kbps o superior; el códec importa menos que cómo se capturó.
3. Sube el audio y mira el aviso de duración. La interfaz te dice si te has quedado corto.
4. Confirma el consentimiento. La plataforma te pide declarar que tienes derecho a clonar esa voz. En el caso profesional verifica además que eres tú: grabas muestras cortas que compara con las largas.
5. Espera el entrenamiento y prueba. Con la instantánea puedes usarla ya; con la profesional, espera el correo de fin de entrenamiento.
6. Ajusta y guarda una versión buena. Estabilidad, similitud y estilo: los valores por defecto suenan planos, y un poco más de expresividad arregla media sensación de robot.
Consentimiento y límites legales
Clonar tu propia voz es tu decisión. Clonar la de otra persona exige permiso previo, informado y por escrito. En España la referencia es la Ley Orgánica 1/1982, que protege la voz como bien de la personalidad y considera intromisión ilegítima usarla con fines publicitarios, comerciales o análogos (art. 7.6).
Desde el 2 de agosto de 2026 se aplica además el artículo 50 del Reglamento europeo de IA, que obliga a indicar de forma clara que un audio o vídeo se generó o manipuló con IA cuando puede parecer auténtico. Una voz clonada de una persona real diciendo cosas que no ha dicho es justo el supuesto que la norma quiere cubrir. El etiquetado no sustituye al consentimiento: son dos obligaciones distintas.
Y el RGPD: la voz es un dato personal y, si sirve para identificar a alguien, biométrico. Si clonas voces de empleados o clientes necesitas base jurídica, información previa y revisar dónde se procesa el audio. Para el resto de derechos de una pieza generada, la guía de derechos de autor y contenido con IA entra en detalle.
Cuánto audio hace falta y qué sale mal
Según la documentación oficial, la clonación instantánea funciona con 1-2 minutos de audio bueno y no mejora gran cosa por encima de tres. La profesional pide entre 30 minutos y 3 horas, y el ajuste fino suele tardar de tres a seis horas, más si hay cola. Lo que suele salir mal:
- Más audio no es mejor audio. Tres minutos con eco dan peor clon que uno de una toma limpia: la calidad se mide en ausencia de ruido, no en duración.
- Acentos marcados o timbres poco comunes. Es donde la instantánea se queda corta; pasa a la profesional.
- Grabar leyendo. Un texto leído en tono plano produce un clon plano.
Doblaje de vídeo a otros idiomas: flujo completo
El doblaje automático está pensado para conservar el timbre del hablante original en otro idioma. El flujo que funciona, tanto con su doblador como a mano, es este:
1. Guion limpio. Transcribe y limpia antes de traducir: las muletillas y los errores de reconocimiento se convierten en frases raras en el idioma nuevo.
2. Traducción para el oído. Adapta, no traduzcas literal. En castellano las frases se alargan; si el original va apretado, recorta.
3. Voz. Clonada o de la biblioteca, en el idioma de destino. El doblaje consume los créditos por minuto que vimos arriba.
4. Mezcla. Separa voz, música y efectos: música y efectos se reutilizan, la voz cambia. Si no se separa, suena a radio mal sintonizada.
5. Sincronía. Sin sincronía labial es aceptable en formación, documental y corporativo. Con primeros planos de cara la boca desincronizada se nota mucho: ajusta el texto al tiempo o pasa a una herramienta con sincronía labial.
6. Subtítulos. El doblaje no exime de subtitular. La guía de subtítulos automáticos con IA cubre el flujo y los límites de precisión.
7. Etiqueta y entrega. Marca la pista como generada con IA y entrega audio separado cuando el reproductor lo permita. El detalle por tipo de pieza está en la guía de doblaje con IA.
Prueba de humo: dobla treinta segundos con una cifra, una sigla, un nombre propio y una frase con ironía. Ese fragmento rompe todas las herramientas y te dice cuánto tiempo de revisión presupuestar.
Voces en español de España: cómo elegir y trucos de pronunciación
La lista oficial de idiomas separa Spanish (Spain) y Spanish (Mexico), y eso importa: una voz latinoamericana leyendo «coche», «ordenador» o «vale» suena a doblaje, no a original.
Cómo elegir sin perder una tarde:
- Empieza por la biblioteca de voces, no por las de por defecto. Hay voces de comunidad con acento peninsular; escucha el mismo texto en tres y compara con una grabación tuya.
- Descarta por prosodia, no por timbre. El timbre se perdona; la entonación plana, no. Prueba una frase afirmativa, una interrogativa y una exclamación.
- Prueba tu vocabulario real. Nombres de producto, siglas y marcas son donde falla siempre.
- Fija un modelo y no lo cambies a mitad de proyecto. La web anunciaba Eleven v4 como su modelo más expresivo en la fecha de consulta; mezclar tomas de modelos distintos se oye en los cortes.
Trucos de pronunciación que funcionan, según la documentación oficial:
- Escribe como se dice. Para una sigla que debe leerse como palabra («OTAN»), déjala tal cual; para las que se deletrean, sepáralas con puntos o espacios.
- Usa el diccionario de pronunciación. Admite reglas de tipo alias (sustituir un texto por otro) y de fonemas en IPA o CMU. Las etiquetas de fonemas solo se aplican en los modelos eleven_v4, eleven_v4_turbo, eleven_flash_v2 y eleven_v3; en otros se ignoran sin avisar.
- Puntúa para respirar. Una coma donde el locutor respiraría, un punto donde cambiaría de idea. Los párrafos sin puntuación salen atropellados.
- No uses SSML en v4. Las etiquetas de fonemas y pausas de SSML no funcionan en ese modelo: usa el diccionario o describe la intención con lenguaje natural.
Para narración de cursos y podcasting, el patrón que mejor funciona es generar por bloques de 30-60 segundos, escuchar, corregir el texto y regenerar solo el bloque malo.
Uso comercial: qué permite cada plan y qué no
Lo primero: el plan gratuito no incluye licencia comercial. Cobrar por un vídeo narrado con una cuenta Free incumple sus condiciones. La licencia aparece en Starter y se mantiene en los planes superiores, que es la razón principal para pagar esos 6 dólares.
Lo segundo: la licencia del plan no sustituye al permiso de la persona. Si la voz es tuya, resuelto. Si es de un actor, el contrato debe decir expresamente que su voz podrá clonarse y usarse en esos canales, idiomas y plazos, con remuneración. Una cláusula genérica sobre «material promocional» no cubre un clon.
Lo tercero: guarda la prueba del plan. Si te pagan por una locución hecha en Creator, conserva la factura de esos meses junto al proyecto: en dos años alguien preguntará con qué licencia se generó ese audio.
Lo cuarto: no todo vale en publicidad. En un anuncio el espectador debe poder entender que la voz no es de una persona real, y el artículo 50 del Reglamento de IA apunta ahí. Indicarlo con naturalidad en la ficha es más barato que rectificar. Y ojo: los créditos no gastados caducan al cancelar.
Alternativas y cuándo elegir otra herramienta
Ninguna gana en todo. Criterios comparables: latencia, idiomas, licencia comercial, precio por minuto de voz y si el flujo incluye vídeo.
| Opción | Fuerte en | Cuándo elegirla | A tener en cuenta |
|---|---|---|---|
| ElevenLabs | Calidad de voz, clonación, doblaje con tu timbre | Locución, audiolibros, doblaje de contenido propio | El doblaje es la partida más cara en créditos |
| HeyGen | Avatares y traducción de vídeo con presentador | Formación con cara visible y muchos idiomas | La sincronía labial manda en el resultado |
| Descript | Edición por transcripción y sustitución de voz | Podcast y vídeo que ya editas por texto | Menos control fino de la clonación |
| Doblaje de YouTube | Cero coste y cero fricción en un canal | Primera versión de un vídeo de YouTube | Poca flexibilidad y etiquetado automático |
| TTS de nube (Google, Azure) | Precio por volumen y control técnico | Integración en producto, miles de minutos | Voces menos expresivas sin ajuste |
Regla rápida: si vendes la voz como parte del producto (curso, audiolibro, marca personal), ElevenLabs o una voz profesional contratada. Si vendes el vídeo y la voz es un apoyo, el doblaje de la plataforma o una herramienta de edición te ahorran dinero.
Para el resto de la cadena —guion, imagen, música, montaje—, la guía completa de crear vídeos con IA ordena las piezas, y la de Suno AI en español cubre la música que acompañará a esa voz.
Siguiente paso
Si solo quieres probar, abre una cuenta gratuita, genera un minuto de tu propio texto y escúchalo en un altavoz normal, no en auriculares: esa escucha dice más que cualquier comparativa.
Si quieres cobrar por ello, la decisión real no es el modelo de voz: es el flujo. Voz, doblaje, subtítulos, mezcla y etiqueta legal son cinco pasos que hay que saber encadenar, y el doblaje es el que más se estropea cuando falta oficio. El programa de IA Audiovisual de humAIns trabaja ese pipeline completo —voz y diseño sonoro incluidos— en ocho semanas, con piezas revisadas por un profesional en activo. Y si no sabes cuánto te falta para producir a ese nivel, el test «¿Cuánto te queda?» te lo dice en cinco minutos.
Sigue leyendo en humAIns