Clonar voz con IA en ElevenLabs: clones desde 10 s y 2 min

👁 131 lecturas

Para clonar una voz con IA en ElevenLabs basta un clon instantáneo (Instant Voice Cloning), disponible desde el plan Starter de 6 USD al mes: subes de 10 segundos a 2 minutos de audio y en unos segundos tienes una voz que lee cualquier texto. En mi prueba, hecha solo con una voz sintética, el clon creado con 10 s de muestra alcanzó una similitud de 0,994 con el original y el de 2 minutos 0,995, sin un solo error de contenido en la transcripción. La condición previa: la voz tiene que ser tuya o de alguien que te haya dado su consentimiento.

Primero la norma: voz ajena solo con consentimiento

Clonar la voz de otra persona exige su consentimiento, y ElevenLabs dice que revisa cada denuncia por uso indebido de una voz. El clon profesional (PVC) va más lejos: según la ayuda de ElevenLabs solo puedes hacerlo con tu propia voz, ni siquiera con permiso de otra persona, porque cada PVC pasa una verificación de que la voz pertenece al titular de la cuenta. Si alguien quiere compartir su voz contigo, crea y verifica el clon en su cuenta y luego te lo comparte con un enlace privado. Por eso en esta prueba no usé ninguna grabación de una persona real. Hasta dónde llegan los tribunales con este tema lo muestra el caso del tribunal japonés que falló contra la clonación de la voz de un actor.

Instant o Professional Voice Cloning: 2 minutos frente a 30

La documentación advierte que IVC funciona peor con voces y acentos poco habituales, y que el acento y el tono del clon no se pueden cambiar después de crearlo: solo puedes probar con otras muestras. Precios sin IVA, según la página de planes de ElevenLabs.

Mi prueba paso a paso

Paso 1: una voz que no existe. En Voice Design (modelo eleven_ttv_v3) describí un narrador en inglés y añadí un texto de prueba en español de 354 caracteres. La documentación aconseja empezar la descripción por el idioma y el acento, con un esquema del tipo «Native Spanish. Male, 50s. Studio quality», para que la voz no se desvíe. Salieron tres variantes y me quedé con la primera: la más grave (mediana de tono de 74,5 Hz) y sin errores en la transcripción de control. La descripción, por si quieres copiarla:

A Spanish man in his fifties with a low, warm, slightly raspy voice.
Calm, unhurried documentary narrator delivery, native Spanish accent,
close-mic studio recording.

Paso 2: las muestras. Con esa voz generé con Eleven v4 una grabación de cinco párrafos sobre los Picos de Europa, 118 segundos en total. De ese archivo recorté tres muestras: los primeros 10 s, los primeros 30 s y el archivo completo.

Paso 3: tres clones. Mandé cada muestra a Instant Voice Cloning sin el filtro de ruido (la muestra estaba limpia y la documentación avisa de que en ese caso el filtro puede empeorar el resultado). Cada clon estuvo listo en unos segundos.

Paso 4: el mismo texto con todas las voces. El original, los tres clones y, como control, la voz masculina predefinida Brian leyeron la misma frase con fecha y hora. Medí la similitud con el modelo de verificación de hablante WavLM (1 significa voz idéntica) y pasé las grabaciones por la transcripción de Scribe.

Resultados: 10 segundos dieron casi lo mismo que 2 minutos

Todas las grabaciones se transcribieron palabra por palabra. La única diferencia está en cómo se escribió la hora: en el original y en Brian, Scribe puso «18:45»; en los clones, «dieciocho cuarenta y cinco». Es formato, no un error. El clon también habla inglés y conserva el timbre más o menos igual que el original (0,85-0,87 frente a 0,84).

Un matiz importante: unos resultados tan altos con 10 s se deben sobre todo a que la fuente era sintética, sin eco, sin ruido y sin cambios de distancia al micrófono. Con una grabación de móvil cabe esperar que una muestra más larga marque más diferencia, pero eso no lo he medido. El clon profesional no lo probé porque exige verificar la voz del titular de la cuenta, y mi voz de prueba no tiene titular.

Cómo clonar tu propia voz en ElevenLabs

1. Graba 1-2 minutos de habla en una habitación silenciosa, con un solo micrófono y sin pausas largas. La documentación de PVC recomienda picos de -6 a -3 dB y una media de unos -18 dB. Un MP3 de 192 kbps basta; según la documentación, el WAV normalmente no mejora el clon.
2. En la aplicación entra en Voices, luego en Create a voice e Instant Voice Clone, y sube el archivo. Hazlo solo con tu voz o con el consentimiento por escrito de la persona cuya voz clonas.
3. Activa el filtro de ruido solo si la grabación tiene ruido de verdad.
4. Prueba el clon con una frase con números y nombres propios. Si el acento no cuadra, cambia las muestras: los ajustes del clon no se pueden corregir después.

Por API es un solo comando (lo probé el 29 de septiembre de 2026 con la muestra de 10 s):

curl -X POST https://api.elevenlabs.io/v1/voices/add \
  -H "xi-api-key: $ELEVENLABS_API_KEY" \
  -F "name=Mi voz" -F remove_background_noise=false \
  -F files=@muestra.mp3

La respuesta devuelve el voice_id, que luego usas en la conversión de texto a voz. Qué modelo de voz conviene para textos largos lo comparo en la guía de la mejor voz IA para texto a voz, y cómo cambiar la voz de una grabación ya hecha, en el texto sobre Voice Changer.

Cuánto cuesta clonar una voz

Crear el clon IVC no me consumió créditos. Se paga cada lectura de texto con el clon, igual que con las voces predefinidas: con Eleven v4 en la API, 0,08 USD por 1000 caracteres sin IVA (v4 Turbo, 0,04 USD). Voice Design me costó unos 397 créditos por cada tanda de tres variantes (las estadísticas de uso mostraban 2380 créditos por 6 llamadas a Voice Design con 3 previsualizaciones cada una). El número de voces propias depende del plan: 3 en Free, 10 en Starter, 30 en Creator y 160 en Pro. Todos los planes y funciones están en la guía de ElevenLabs.

// sigue leyendoAmazon Prime Video lanza sincronización de labios con IA para doblajes en Maxton HallHerramientas de IAProject Genie gratis: acceso y precio desde EspañaHerramientas de IAElevenLabs: qué es, precios, modelos y cómo empezarHerramientas 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.