Voice Changer ElevenLabs: cambiar voz con IA en grabaciones

👁 124 lecturas

Voice Changer de ElevenLabs cambia la voz en una grabación ya hecha: toma tu discurso con su ritmo, pausas y entonación y sustituye el timbre por otra voz. Antes la función se llamaba Speech to Speech. La hemos probado con un monólogo en español que convertimos a una voz femenina y a una voz grave de narrador, y después con la misma grabación con ruido de cafetería, con filtro de ruido y sin él. A continuación las grabaciones, las mediciones y un ajuste sin el cual el resultado puede ser ininteligible.

Las cantidades en EUR son conversiones orientativas de los precios publicados en USD, calculadas con el tipo de referencia del BCE del 2026-10-12: 1 EUR = 1.1181 USD. No son precios locales confirmados ni importes finales con impuestos. El proveedor y el banco pueden aplicar otros tipos o cargos. ECB.

01Clonar voz con IA en ElevenLabs: clones desde 10 s y 2 minCloné con ElevenLabs una voz sintética en español a partir de muestras de 10 s, 30 s y 2 minutos: similitud de 0,994 con 10 s y ningún error de contenido. Planes, precios y normas de consentimiento.Leer →02Voice Isolator: eliminar ruido de audio con ElevenLabsVoice Isolator de ElevenLabs elimina ruido de grabaciones. Prueba con cafetería, calle y ventilador: mediciones antes y después, muestras y precio.Leer →03ElevenLabs Dubbing al español: test v1 vs v2 con resultadosElevenLabs Dubbing traduce vídeos y genera nueva voz. Probamos v1 y v2 en un clip de 24 s: tiempos, créditos, calidad de voz y una sorpresa en v2.Leer →04ElevenLabs Scribe en español: test con nombres difíciles y númerosScribe v2 transcribió 140 palabras de español con nombres complejos y 13 números en 4,2 s con 4 diferencias. Comparamos con Whisper y probamos ruido.Leer →05Voicebot ElevenLabs Agents: test de recepción dental en españolVoicebot en ElevenLabs Agents: test de recepción dental con conversación real, tiempos de respuesta de 0,77-2,23 s, reconocimiento de voz y coste por minuto.Leer →

En qué se diferencia Voice Changer de un modulador de voz

Un modulador de voz clásico desplaza el tono y añade efectos en tiempo real, por ejemplo en un juego o en Discord. Voice Changer de ElevenLabs genera el habla de nuevo con otra voz, conservando el contenido y la forma de hablar del original. Procesa de una vez hasta 5 minutos de grabación (las más largas hay que cortarlas), y la API tiene también una versión en streaming. Hay dos modelos disponibles: eleven_multilingual_sts_v2 para 29 idiomas, incluido el español, y eleven_english_sts_v2 solo para inglés. La documentación recomienda el modelo multilingüe incluso para inglés. La voz objetivo puede ser una voz preparada de la biblioteca, diseñada o tu clon de voz.

Nuestra prueba

La fuente es un monólogo de 28,6 segundos sobre buscar piso (84 palabras) generado con la voz masculina Chris en el modelo Eleven v4. No utilizamos la grabación de ninguna persona real. Lo convertimos por API a dos voces: la voz femenina británica Lily de la biblioteca y un narrador español grave que habíamos diseñado previamente en Voice Design. Probamos en español.

Resultados en la grabación limpia

Medimos cuatro cosas: si el contenido sobrevivió (transcripción con Scribe), si coincide la duración, si se conserva la melodía de las frases (correlación del contorno del tono fundamental de la fuente y el resultado, 1 significa línea idéntica) y qué voz se oye (similitud WavLM con una muestra breve de la voz objetivo y de la fuente).

La voz objetivo salió en ambos casos con claridad (0,95-0,98). Con el narrador la similitud con Chris quedó alta, pero es porque ambas voces son masculinas y ya antes de la conversión tenían una similitud de 0,914. El tono se desplazó donde debía: hacia arriba para la voz femenina, hacia abajo para el narrador grave. Las pausas y los acentos de las frases quedaron en su sitio, como se ve por la correlación de melodía superior a 0,85. Esta es nuestra opinión: esta es precisamente la ventaja sobre la simple lectura del texto, porque la emoción y el ritmo los pones tú con tu grabación, no con una instrucción.

Ruido de fondo: un ajuste marca toda la diferencia

Mezclamos la misma grabación con ruido de cafetería a un volumen igual al del habla (igual que en la prueba del Voice Isolator) y la convertimos a la voz Lily dos veces: con la opción remove_background_noise y sin ella.

Sin filtro el resultado fue en gran parte ininteligible, por ejemplo el inicio de la frase salió como «gramos torrat en cobe uno en nancyid» en lugar de «grabo esto rápido porque tengo una reunión enseguida». Con filtro quedaron nueve errores menores, entre ellos «un cuarto» se convirtió en «buen» y el final de la frase se deformó. Si grabas fuera de un estudio, activa siempre esta opción.

Para qué sirve

• Personajes en juegos y animaciones - una persona graba las líneas de varios personajes, y Voice Changer da a cada uno un timbre diferente manteniendo la interpretación actoral.
• Anonimización - un interlocutor en un reportaje o material formativo habla con sus propias palabras, pero con otra voz.
• Correcciones de locución - regrabar una frase con tu propia voz y convertirla a la voz con la que se lee todo el material, por ejemplo tu clon.
• Control sobre el texto leído por IA - cuando un locutor de IA acentúa mal una frase, la grabas tú mismo y la conviertes.

Ajustes para copiar

• Modelo: eleven_multilingual_sts_v2 (también para inglés).
• Eliminar ruido de fondo: activado, a menos que la grabación sea de estudio.
• Graba como debe sonar el resultado: el ritmo, las pausas y las emociones pasan del original.
• Grabaciones de más de 5 minutos córtalas en fragmentos en los lugares de las pausas.

Por API (probado el 29.09.2026 con un fragmento con ruido de 6 segundos):

curl -X POST "https://api.elevenlabs.io/v1/speech-to-speech/VOICE_ID?output_format=mp3_44100_128" 
  -H "xi-api-key: $ELEVENLABS_API_KEY" 
  -F model_id=eleven_multilingual_sts_v2 
  -F remove_background_noise=true 
  -F audio=@grabacion.wav -o nueva-voz.mp3

Cuánto cuesta Voice Changer

La documentación indica 1000 créditos por minuto de grabación procesada y eso nos cobraron: 477 créditos por 28,6 s, independientemente del filtro de ruido. Tarifa de API del 29 de septiembre de 2026: 0,1073 EUR (0,12 USD) por minuto, sin IVA. El plan Starter de 5,37 EUR (6 USD) (30 mil créditos) alcanza para unos 30 minutos de cambio de voz, Creator de 19,68 EUR (22 USD) (121 mil) para unas 2 horas. Los demás planes están en el texto cuánto cuesta ElevenLabs, y el resto de herramientas en la guía ElevenLabs.

Límites

Voice Changer permite hablar con la voz de otro, así que las normas son las mismas que con la clonación: la voz de una persona concreta y reconocible solo con su consentimiento. Para personajes en un juego, anonimización de un interlocutor o locutor de tu propia grabación usa voces de la biblioteca, diseñadas o tu propio clon.

Preguntas frecuentes

¿Cómo cambiar la voz en una grabación con IA?

Sube la grabación a Voice Changer en ElevenLabs, elige la voz objetivo y el modelo multilingüe. En nuestra prueba 28,6 s en español estuvieron listos en unos 6 s, sin ningún error en el contenido.

¿Voice Changer funciona en español?

Sí, el modelo eleven_multilingual_sts_v2 admite 29 idiomas, incluido el español. En nuestra prueba conservó las 84 palabras del monólogo en español.

¿Cuánto cuesta Voice Changer en ElevenLabs?

1000 créditos por minuto de grabación, por API 0,1073 EUR (0,12 USD) por minuto, sin IVA. A nosotros 28,6 s nos costaron 477 créditos.

¿Voice Changer funciona en directo?

En la aplicación procesa grabaciones de hasta 5 minutos. La API tiene una versión en streaming para programadores, pero no es un modulador de voz listo para Discord o juegos.

// sigue leyendoVoice Isolator: eliminar ruido de audio con ElevenLabsHerramientas de IAProject Genie 3 y Genie 4: qué cambia y qué faltaHerramientas de IAClonar voz con IA en ElevenLabs: clones desde 10 s y 2 minHerramientas de IA

El enlace a ElevenLabs es un enlace de afiliado: si compras a través de él, FULGOR recibe una comisión y tú pagas el mismo precio. No influye en el contenido, tampoco en las partes críticas.