Guía de estudio de IA · Módulo 3. Herramientas
Lección 13 de 24
ElevenLabs: qué es, cuánto cuesta y cómo clonar tu voz
ElevenLabs es una plataforma de voz con inteligencia artificial: escribes un texto y una voz sintética lo lee con entonación natural, en más de 90 idiomas con su modelo más reciente. También clona tu voz, dobla vídeos a otros idiomas, crea efectos de sonido y música, y transcribe audio. Tiene un plan gratis de 10.000 créditos al mes, unos 10 minutos de voz, pero sin uso comercial ni clonación.

¿Qué es ElevenLabs?
ElevenLabs es una plataforma de voz con inteligencia artificial que convierte un texto escrito en una voz que suena humana: con pausas, con entonación y con la emoción que pide cada frase. Escribes lo que quieres que se diga, eliges una voz y en unos segundos tienes el audio para descargar. Esa voz puede ser una de su catálogo, una diseñada a partir de una descripción o la tuya, clonada.
- Texto a voz
- Convertir un texto escrito en audio hablado con una voz sintética. En inglés, text to speech o TTS.
- Clon de voz
- Una voz sintética que imita la de una persona concreta a partir de grabaciones suyas, y que después lee cualquier texto con su timbre.
- Etiqueta de audio
- Una palabra entre corchetes dentro del texto, como [whispers] o [laughs], que le dice al modelo cómo decir la frase que sigue.
La empresa se fundó en 2022 y la crearon Mati Staniszewski y Piotr Dąbkowski. En febrero de 2026 cerró una ronda de 500 millones de dólares con una valoración de 11.000 millones, según su blog. Hoy organiza sus productos en tres líneas: ElevenCreative (voz, música, efectos, imagen y vídeo para crear contenido), ElevenAgents (agentes de voz y de chat, lo que antes llamaba Conversational AI) y ElevenAPI, para programadores.
En España, «elevenlabs» se busca unas 39.000 veces al mes, según Ahrefs (octubre de 2026), y el autocompletado de Google y YouTube repite siempre las mismas dudas: si es gratis, si está en español, cómo se usa y cómo clonar la voz. Esta lección responde a las cuatro.
Y tengo un motivo personal para escribirla: la voz de todos los vídeos de esta guía es un clon de la mía hecho con ElevenLabs. Al final te cuento cómo lo hice, qué ha fallado y cuánto cuesta.
¿Para qué sirve ElevenLabs?
ElevenLabs sirve para tener una locución de calidad sin micrófono, sin estudio y sin repetir tomas, y para cambiar esa locución cuando cambie el texto. Estos son los usos más comunes:
- Locuciones de vídeo. Tutoriales, vídeos de producto, formación interna, vídeos para redes. Si cambia un dato, se corrige el texto y se vuelve a generar solo esa frase.
- Audiolibros y pódcasts. Studio, su editor de proyectos largos, monta capítulos con varias voces.
- Doblaje. Dubbing Studio traduce un vídeo o un audio a otro idioma y conserva la voz de quien habla.
- Accesibilidad. Leer en voz alta un documento o una web para quien no puede o no quiere leerlo.
- Agentes de voz. Asistentes telefónicos o de atención al cliente que escuchan y responden hablando.
Las piezas de ElevenLabs, con los nombres que usa la propia empresa en su web y su documentación:
| Pieza | Qué hace |
|---|---|
| Text to Speech | Convierte un texto en voz, con la voz y el modelo que elijas |
| Voice Library | Más de 10.000 voces de catálogo y de la comunidad, para buscar por idioma, acento y estilo |
| Voice Design | Crea una voz nueva a partir de una descripción escrita |
| Instant y Professional Voice Cloning | Clonan tu voz: rápido con poco audio, o fiel con mucho audio y verificación |
| Studio | Editor de proyectos largos: audiolibros, pódcasts, vídeos con locución |
| Dubbing Studio | Traduce y dobla vídeos y audios a otros idiomas |
| Speech to Text | Transcribe audio a texto |
| Sound Effects y Music | Crean efectos de sonido y música a partir de una descripción |
| ElevenAgents | Agentes que conversan por voz o por chat |
Los modelos de voz, según su documentación (11 de noviembre de 2026):
| Modelo | Para qué | Idiomas |
|---|---|---|
| Eleven v4 | El más expresivo; entiende etiquetas de audio, diálogos de varias voces y pronunciación fonética | Más de 90 |
| Eleven v4 Turbo | La misma familia, con unos 100 milisegundos de espera, para agentes y apps | Más de 90 |
| Eleven v3 | El anterior modelo expresivo, con etiquetas de audio | Más de 70 |
| Multilingual v2 | Estable y natural, muy usado para narraciones largas | 29 |
| Flash v2.5 | El más rápido y barato, para tiempo real | 32 |
Eleven v4 salió el 28 de septiembre de 2026. Para empezar, es el que conviene probar primero: lee mejor el español y respeta más el tono que le pides.
¿ElevenLabs es gratis? Planes y precios
ElevenLabs tiene un plan gratis, pero pensado para probar. Da 10.000 créditos al mes, que la página de precios equipara a unos 10 minutos de voz, y 3 proyectos de Studio. Tiene dos límites que conviene leer antes de empezar:
- No incluye licencia comercial. Su ayuda lo dice sin matices: el plan gratis no se puede usar con ningún fin comercial. Un vídeo para un cliente, un anuncio o un canal monetizado quedan fuera.
- Si publicas, hay que citarlos. Lo que hagas con el plan gratis y publiques tiene que llevar «elevenlabs.io» o «11.ai» en el título.
Además, el plan gratis no permite clonar voces: para eso hace falta Starter (clon instantáneo) o Creator (clon profesional).
| Plan | Precio al mes | Créditos al mes | Lo que añade |
|---|---|---|---|
| Free | 0 $ | 10.000 | Prueba, sin uso comercial ni clonación |
| Starter | 6 $ (5 $ pagando el año) | 30.000 | Licencia comercial, clon instantáneo, Dubbing Studio |
| Creator | 22 $ (18,33 $ pagando el año) | 121.000 | Clon profesional y audio de 192 kbps |
| Pro | 99 $ (82,50 $ pagando el año) | 600.000 | Audio de más calidad por la API |
| Scale | 299 $ | 1,8 millones | 3 personas y 3 clones profesionales |
| Business | 990 $ | 6 millones | 10 personas y 10 clones profesionales |
| Enterprise | A medida | A medida | Condiciones propias |
Precios de la página de ElevenLabs consultada el 11 de noviembre de 2026, en dólares y sin impuestos; la versión en español también los da en dólares. La página mostraba ofertas para el primer mes con una cuenta atrás ya terminada, así que no las cuento.
Cómo se gastan los créditos. Antes se llamaban caracteres, y la idea sigue siendo esa: cada generación gasta según la longitud del texto. Cuánto exactamente depende del modelo, del producto y de si usas la web o la API, según su documentación de facturación. En mi cuenta, con Eleven v4, cada carácter gasta un crédito: una frase de 100 letras, 100 créditos. Los créditos que no usas se acumulan hasta dos meses, y se pierden si cancelas o bajas de plan.
Una cuenta rápida para saber qué plan te toca: este vídeo de 8 minutos son unos 8.000 caracteres. Con Starter tendrías para unos tres vídeos al mes; con Creator, para unos quince.
¿Cómo convertir un texto en voz con ElevenLabs paso a paso?
Para convertir un texto en voz, entra en Text to Speech, pega el texto, elige una voz y un modelo, ajusta dos o tres controles y pulsa «Generate speech». Estos son los pasos con los nombres de los botones que da su documentación (están en inglés, también con la web en español):
- Crea la cuenta en la web de ElevenLabs. Con el plan gratis basta para probar.
- Abre Text to Speech en la barra lateral. A la izquierda tienes una caja grande para el texto; a la derecha, dos pestañas: Settings e History.
- Pega o escribe el texto. Abajo, un contador te dice cuántos caracteres llevas y cuántos créditos te quedan. En la web, cada generación admite hasta 5.000 caracteres.
- Elige la voz en «Voice». Se abre un buscador con filtros: las usadas hace poco, las recomendadas de la Voice Library, las profesionales y las de serie. Escucha dos o tres antes de decidir.
- Elige el modelo en «Model». Eleven v4 para empezar; Multilingual v2 si quieres una lectura muy estable de un texto largo.
- Ajusta los controles. Stability (de «más variable» a «más estable»), Similarity (cuánto se parece a la voz original) y Speed, de 0,7 a 1,2. Deja Style Exaggeration en cero: la propia documentación lo recomienda.
- Pulsa «Generate speech», escucha y descarga con el botón de abajo. Por defecto, MP3 o WAV; en las opciones avanzadas, más formatos. Todo lo que generas queda en History.
Un consejo antes del primer clic: escucha el resultado entero. La voz suele acertar en la primera toma, y cuando falla casi siempre es por el texto, no por la voz. De eso va el siguiente apartado.
Del texto a la voz
Animación: las etiquetas de audio de la audioguía del ejemplo y la voz que sale de ellas
Ejemplo práctico: la audioguía de una ruta a pie
Para verlo con un caso real, imagina que preparas la audioguía de la Ruta del Molino, un paseo de 5 kilómetros por un pueblo (el lugar es inventado). Son seis paradas de 40 segundos cada una. Esta es la primera, escrita ya para la voz:
[calm] Bienvenido a la Ruta del Molino. [short pause]
Estás junto al puente de piedra, que se levantó en mil setecientos ochenta.
[pause]
Mira el agua: [whispers] si te fijas, todavía se ve la vieja acequia.
[pause]
[engaged] Sigue el camino de la izquierda. La próxima parada está a cuatrocientos metros.
Lo que hay en ese texto, y por qué:
- Las cifras, en letra. «Mil setecientos ochenta» y no «1780»: así no tiene que adivinar si es un año, una cantidad o un número de teléfono.
- Una etiqueta al empezar cada párrafo. [calm] o [engaged] fijan el tono hasta la siguiente etiqueta. [whispers] cambia solo esa frase.
- Pausas marcadas. [short pause] o [pause] para respirar entre ideas. ElevenLabs también hace pausas con puntos suspensivos, pero en mis pruebas hunden el final de la frase.
- Frases cortas. Una idea por frase. Una voz sintética sufre con las subordinadas largas, igual que quien escucha.
Los ajustes para esta parada: Eleven v4, una voz tranquila de la Voice Library (o la tuya), Stability en el centro, Similarity alta y Speed en 0,95, un punto más despacio de lo normal, porque quien escucha va andando. El texto tiene unos 330 caracteres: unos 330 créditos por parada y menos de 2.000 la ruta entera. Cabe en el plan gratis para probar, pero si la audioguía es para un ayuntamiento o un negocio, necesitas un plan de pago.
Si una palabra no sale bien (un nombre propio, un topónimo), no repitas la generación entera a ciegas: escríbela como se pronuncia o usa la pronunciación fonética, que Eleven v4 acepta entre barras.
¿Cómo clonar tu voz con ElevenLabs?
Para clonar tu voz, entra en Voices, pulsa «+» y elige entre los dos tipos de clon: el instantáneo, que se hace en minutos con muy poco audio, y el profesional, que entrena un modelo con tu voz a partir de mucho audio y exige demostrar que la voz es tuya.
| Instant Voice Clone | Professional Voice Clone | |
|---|---|---|
| Audio que pide | De 1 a 2 minutos; mejor no pasar de 3 | 30 minutos como mínimo; recomienda de 2 a 3 horas |
| Cuánto tarda | Minutos | Unas horas de entrenamiento (su documentación da cifras distintas, de 3 a 24 horas) |
| Verificación | Una casilla: confirmas que tienes derecho y consentimiento | Lees en directo unas frases que salen en pantalla |
| Desde qué plan | Starter | Creator (un clon incluido) |
| Fidelidad | Buena para probar; pierde matices | Muy alta: timbre, ritmo y forma de hablar |
El clon instantáneo, paso a paso:
- Voices, botón «+» e Instant Voice Clone.
- Sube o graba de 1 a 2 minutos de audio tuyo: una sola persona, sin ruido ni eco, con un tono y un ritmo constantes.
- Ponle nombre y etiquetas, y marca la casilla que confirma que tienes derecho y consentimiento para clonar esa voz.
- «Save voice». La encontrarás en My Voices, con el botón para usarla.
El clon profesional, paso a paso:
- Voices, botón «+» y, en Professional Voice Clone, «Create new».
- Elige entre subir audios («Upload samples») o grabarte en la propia web («Record yourself»), con textos de ejemplo para leer.
- Si hace falta, limpia el ruido o separa voces en «Audio settings».
- Verifica tu voz: ElevenLabs te enseña unas frases y las lees en directo, con el mismo micrófono y el mismo tono que en las grabaciones. Si falla, hay que esperar 24 horas o escribir a su soporte.
- Espera el entrenamiento y sigue su estado en My Voices. Cuando termine, la tendrás en la pestaña Personal.
Cómo grabar bien, según su guía: un micrófono decente (cita modelos de condensador con una interfaz de audio), un filtro antipop, la boca a unos dos puños del micrófono y una habitación sin eco (dice que un edredón ayuda). Graba solo habla, sin cantar, en un único estilo y en el idioma en que vas a usar el clon, y quita los «eh» y los silencios largos. Lo que grabes es lo que imitará: si grabas cansado o con prisa, el clon sonará cansado o con prisa.
Cómo lo hago yo: la voz de los vídeos de esta guía
La voz que oyes en los vídeos de esta guía no la grabo frase a frase: es un clon profesional de mi voz en ElevenLabs, que se llama «Javier Sáez». Lo creé el 4 de octubre de 2026 leyendo textos preparados en bloques de unos diez minutos, con registros distintos (explicar, contar, preguntar), hasta pasar de los 30 minutos que pide como mínimo.
Cómo hago cada vídeo:
- Escribo la locución por capítulos, ya pensada para la voz: cifras en letra, siglas como se leen y una etiqueta de tono al empezar cada párrafo.
- Genero una sola toma por capítulo con Eleven v4. Al principio pedía cuatro y elegía la mejor, pero cada toma se cobra entera y la diferencia era mínima.
- Compruebo la toma con una transcripción automática y la comparo con el guion. Si se parecen menos de un 90 %, escucho ese tramo.
- Si una frase falla, corrijo el texto y genero solo esa frase, que cuesta mucho menos que repetir el capítulo.
Lo que he aprendido, a veces a la fuerza:
- Los fallos casi siempre son del texto. En un vídeo, la voz decía mal «GPT-6» en las cuatro tomas. El problema era que yo había escrito la palabra en mayúsculas para darle énfasis.
- Las siglas se pegan a la palabra siguiente. Escribí «un asistente de IA la fuente» y se oyó «un asistente de I, a la fuente». Desde entonces, una sigla nunca va delante de una vocal: la pongo al final de la frase o detrás de una coma.
- Las mayúsculas, con cuidado. Una palabra en mayúsculas por frase da énfasis; más, y la voz parece que grita.
- El coste, a la vista. Con una toma por capítulo, un vídeo de 7 a 8 minutos me cuesta entre 7.000 y 8.000 créditos. Con cuatro tomas, uno de 8 minutos llegó a casi 30.000.
En cada vídeo lo digo en la descripción: la voz es un clon de la mía creado con IA. Me parece la única forma honesta de usarla.
¿Qué más hace ElevenLabs además de leer textos?
ElevenLabs empezó con la voz y hoy cubre casi todo el audio. Estas son las funciones que más se usan después de Text to Speech:
- Dubbing Studio. Subes un vídeo o un audio y lo traduce a otro idioma manteniendo la voz de quien habla. Desde el plan Starter. Si además quieres que la boca se mueva con las palabras nuevas, eso lo hace el Video Translate de HeyGen.
- Voice Changer. Grabas tú una frase con tu entonación y la cambia a otra voz, conservando el ritmo y la emoción.
- Voice Design. Describes una voz («mujer de unos 60 años, voz grave y tranquila, acento andaluz») y la crea. El plan gratis tiene 3 huecos para voces propias.
- Speech to Text. Transcribe entrevistas, reuniones o vídeos a texto.
- Sound Effects y Music. Efectos de sonido y música a partir de una descripción. Eleven Music, su generador de música, es una de las alternativas a Suno.
- Voice Library. Si tienes un clon profesional, puedes publicarlo para que otros lo usen, con un plazo de aviso de 30 días a 2 años si un día quieres retirarlo, y ganar recompensas por cada uso. Los clones instantáneos no se pueden compartir.
- ElevenAgents. Agentes que hablan por teléfono o en una web: escuchan, piensan con un modelo de lenguaje y responden con voz.
¿Qué no deja hacer ElevenLabs? Consentimiento, derechos y avisos
Clonar una voz es fácil, y por eso las normas son estrictas. La política de uso de ElevenLabs, actualizada el 9 de octubre de 2026, prohíbe:
- Clonar o imitar a una persona viva sin su consentimiento explícito e informado. Tampoco a una persona fallecida si puede causar daño.
- Suplantar a candidatos o cargos públicos. Las campañas políticas necesitan un permiso escrito de ElevenLabs.
- Usar grabaciones de menores de 18 años para crear voces. Las cuentas son solo para mayores de edad.
- Fraudes, pruebas falsas y anuncios engañosos.
- Quitar las marcas de agua o las señales de origen del audio.
Y obliga a avisar de que es IA cuando la ley lo exija o cuando no decirlo engañaría a quien escucha. En la Unión Europea, el artículo 50 del Reglamento de IA obliga a avisar cuando un audio o un vídeo generado con IA imita a personas reales, lo que se conoce como ultrafalsificación o deepfake.
ElevenLabs no lo deja solo en las normas. Según su página de seguridad, bloquea la clonación de voces de famosos y otras de alto riesgo, el clon profesional exige la verificación en directo, tiene un clasificador público para comprobar si un audio salió de ElevenLabs y combina filtros automáticos con revisión humana.
¿De quién es lo que generas? Sus términos dicen que conservas todos los derechos sobre el audio que generas. Lo que subes (tus grabaciones) se lo licencias a ElevenLabs para dar el servicio, con un compromiso: no comercializar tu voz por separado sin tu permiso. Si tu voz es tu trabajo, lee esa cláusula antes de subir horas de grabación.
Errores comunes al usar ElevenLabs
- Usar el plan gratis para algo comercial. No tiene licencia. Si el audio es para un cliente o un canal monetizado, empieza en Starter.
- Publicar sin citar. Con el plan gratis, «elevenlabs.io» o «11.ai» en el título.
- Escribir para leer, no para escuchar. Cifras en número, siglas pegadas, frases de tres líneas: la voz tropieza donde tropezaría una persona leyendo en alto.
- Repetir la generación esperando otro resultado. Cada toma gasta créditos. Si falla, cambia el texto.
- Grabar el clon en una habitación con eco. El clon copia también el eco y el ruido.
- Clonar a otra persona «porque es para una broma». Sin su permiso explícito, va contra las normas y, en muchos países, contra la ley.
- No avisar de que es una voz sintética. Quien escucha tiene derecho a saberlo, y en Europa cada vez es más una obligación.
Lo que yo tendría en cuenta
Uso ElevenLabs cada semana y lo recomendaría sin dudar para lo que hago yo: locuciones de vídeos educativos, formación interna, audioguías o la versión en audio de un documento. Ahorra horas, y cuando cambia un dato se corrige en minutos.
Tres cosas que haría desde el primer día:
- Escribir para el oído. El texto manda más que la voz, el modelo o los ajustes. Lee el guion en alto antes de generarlo: si tú tropiezas, la voz también.
- Clonar solo mi voz, y avisar siempre. Un clon es una copia de algo muy personal. No lo haría con la voz de otra persona ni con su permiso verbal: lo pediría por escrito. Y en cada vídeo diría que la voz es sintética.
- Mirar el contador. Un crédito por carácter parece poco hasta que repites tomas. Una toma por capítulo y corregir el texto es lo que más dinero ahorra.
Lo que no haría: usarla para que parezca que alguien dijo algo que no dijo, ni para una llamada en la que la otra persona no sepa que habla con una máquina. La tecnología lo permite; la confianza de quien escucha, no.
La lección en una imagen

Preguntas frecuentes
¿Qué es ElevenLabs y para qué sirve?
ElevenLabs es una empresa de inteligencia artificial de voz fundada en 2022 por Mati Staniszewski y Piotr Dąbkowski. Su plataforma convierte texto en voz, clona voces, dobla vídeos a otros idiomas, crea efectos de sonido y música, transcribe audio y permite montar agentes de voz. Se usa para locuciones de vídeos, audiolibros, pódcasts, formación y atención al cliente.
¿ElevenLabs es gratis?
Tiene un plan gratis con 10.000 créditos al mes, que la página de precios equipara a unos 10 minutos de voz, y 3 proyectos de Studio. No incluye licencia comercial ni clonación de voz. Si publicas lo que generas con el plan gratis, su ayuda pide citar a ElevenLabs poniendo «elevenlabs.io» o «11.ai» en el título.
¿ElevenLabs funciona en español?
Sí. Eleven v4, el modelo más reciente, lee más de 90 idiomas, y Multilingual v2, 29, los dos con el español. Hay voces con acentos de España y de América en la Voice Library, y si clonas tu voz, lee con tu acento. La web tiene versión en español, aunque los botones de la aplicación que cita su documentación están en inglés.
¿Cuánto cuesta ElevenLabs al mes?
En la página de precios, consultada el 11 de noviembre de 2026: Starter, 6 dólares al mes (5 pagando el año) con 30.000 créditos; Creator, 22 dólares (18,33 pagando el año) con 121.000 créditos; Pro, 99 dólares con 600.000; Scale, 299 dólares, y Business, 990. Los precios están en dólares y los impuestos van aparte.
¿Puedo usar ElevenLabs gratis para YouTube?
Con el plan gratis no puedes usarlo con fines comerciales, y un canal monetizado lo es. Si publicas un audio del plan gratis, tienes que citar a ElevenLabs en el título. Todos los planes de pago, desde Starter, incluyen licencia comercial, salvo en las funciones que ElevenLabs marca como beta.
¿Cómo clonar mi voz con ElevenLabs?
En la barra lateral, Voices y el botón «+». Para un clon rápido, Instant Voice Clone: subes o grabas de 1 a 2 minutos de audio limpio, le pones nombre, confirmas que tienes derecho y consentimiento para clonar esa voz y pulsas «Save voice». Para un clon más fiel, Professional Voice Clone: al menos 30 minutos de audio, una verificación leyendo frases en directo y unas horas de entrenamiento.
¿Qué diferencia hay entre el clon instantáneo y el profesional?
El instantáneo se hace en minutos con 1 o 2 minutos de audio y está desde el plan Starter, pero imita peor el timbre y los matices. El profesional entrena un modelo con tu voz a partir de al menos 30 minutos (ElevenLabs recomienda de 2 a 3 horas), exige verificar que la voz es tuya y está desde el plan Creator, con un clon incluido.
¿Es legal clonar la voz de otra persona con ElevenLabs?
Solo con su consentimiento explícito e informado. La política de uso de ElevenLabs prohíbe clonar o imitar a una persona viva sin ese permiso, usar voces de menores y suplantar a candidatos o cargos públicos. El clon profesional solo deja clonar tu propia voz, porque pide una verificación en directo. Además, la ley de muchos países protege la voz como dato personal.
Fuentes
- ElevenLabs, página principal (consultada el 11 nov 2026)
- ElevenLabs, About (consultada el 11 nov 2026)
- ElevenLabs, precios (consultados el 11 nov 2026)
- ElevenLabs, precios de la API (consultados el 11 nov 2026)
- ElevenLabs, Eleven v4 (28 sep 2026, actualizado el 19 oct 2026)
- ElevenLabs, Series D (4 feb 2026)
- Documentación de ElevenLabs, modelos (consultada el 11 nov 2026)
- Documentación de ElevenLabs, Text to Speech (consultada el 11 nov 2026)
- Documentación de ElevenLabs, cómo escribir para Eleven v3 (consultada el 11 nov 2026)
- Documentación de ElevenLabs, Instant Voice Cloning (consultada el 11 nov 2026)
- Documentación de ElevenLabs, Professional Voice Cloning (consultada el 11 nov 2026)
- Documentación de ElevenLabs, Voice Library (consultada el 11 nov 2026)
- Documentación de ElevenLabs, facturación y créditos (consultada el 11 nov 2026)
- Ayuda de ElevenLabs, ¿puedo publicar lo que genero en la plataforma? (consultada el 11 nov 2026)
- ElevenLabs, Prohibited Use Policy (actualizada el 9 oct 2026)
- ElevenLabs, Terms of Service (actualizados el 9 oct 2026)
- ElevenLabs, Safety (consultada el 11 nov 2026)
- Reglamento (UE) 2024/1689 de inteligencia artificial, artículo 50 (EUR-Lex)