Voice Isolator: eliminar ruido de audio con ElevenLabs
Voice Isolator de ElevenLabs elimina ruido de grabaciones. Prueba con cafetería, calle y ventilador: mediciones antes y después, muestras y precio.
👁 119 lecturas
Voice Isolator de ElevenLabs sirve para eliminar ruido de grabaciones: corta el fondo, reverberación y música, y deja solo la voz. Lo hemos probado con una grabación en español que mezclamos en ffmpeg con ruido de ventilador, calle con lluvia y tranvía, y charla de cafetería. Medimos cuánto ruido queda, si la voz suena como antes del ruido y si después se puede transcribir bien. El último resultado nos sorprendió.
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.
Resumen
Voice Isolator redujo el nivel de ruido en las pausas entre palabras en 31-44 dB y devolvió el timbre de la voz casi al original (similitud 0,967-0,992). Al oído y para publicar es una gran mejora, y una grabación de 28 segundos estuvo lista en 3 s por 477 créditos. Sin embargo, el modelo puede cambiar fonemas en lugares enmascarados: tras la limpieza la transcripción tuvo más errores que con el archivo ruidoso original, y con charla más fuerte que la voz pasó de 2 errores a 20. Para quién: podcasts, entrevistas por teléfono, audio para vídeos. Para quién no: grabaciones que solo quieres transcribir, y pruebas en las que cuenta cada palabra.
01ElevenLabs 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 →
02Voice Changer ElevenLabs: cambiar voz con IA en grabacionesVoice Changer de ElevenLabs cambia la voz en una grabación manteniendo el ritmo y la entonación. Prueba en español con ruido de fondo y mediciones.Leer →
03Clonar 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 →
04ElevenLabs 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 →
05Efectos de sonido IA ElevenLabs: test en español e inglésProbamos Sound Effects de ElevenLabs con los mismos prompts en español y en inglés. Resultados, muestras de audio, coste por efecto y prompts listos para usar.Leer →Qué hace Voice Isolator
La herramienta acepta archivos de audio (AAC, AIFF, OGG, MP3, OPUS, WAV, FLAC, M4A) o vídeo (entre otros MP4, MOV, MKV, WEBM) de hasta 500 MB y 1 hora. Devuelve solo el habla. La documentación advierte que la herramienta no está optimizada para extraer voces de música, aunque a veces funciona. El mismo modelo funciona también como interruptor «eliminar ruido de fondo» al clonar voz y en Voice Changer.
Nuestra prueba: grabación limpia, cuatro tipos de ruido
Punto de partida: un monólogo sintético en español de 28,6 segundos sobre buscar piso (84 palabras), generado con voz Chris en el modelo Eleven v4. Así teníamos una referencia: sabemos exactamente cómo sonaba la grabación sin ruido.
Añadimos el ruido en ffmpeg. «Ventilador» es ruido rosa con armónicos de 50 y 150 Hz, generado en el propio ffmpeg. «Calle» (lluvia y tranvía) y «cafetería» (conversaciones, tazas, cafetera) son fondos del generador de efectos de sonido. Ajustamos el nivel para que el ruido fuera igual de fuerte que el habla (0 dB), y en la versión más difícil la cafetería era 5 dB más fuerte que la voz. Cada archivo ruidoso lo enviamos el 29 de septiembre de 2026 a Voice Isolator por API.
Resultados de las mediciones
No evaluamos la calidad al oído. Medimos tres cosas respecto a la referencia limpia: relación de volumen del habla con lo que se oye en las pausas entre palabras (cuantos más dB, más silencio en las pausas), distancia del espectro mel respecto a la referencia (cuanto menos, más cerca del original) y similitud de voz con el modelo de verificación de hablante WavLM.
| Condiciones | Habla a pausas: antes / después | Distancia espectral: antes / después | Similitud de voz: antes / después |
|---|---|---|---|
| Ventilador, 0 dB | 2,9 / 34,2 dB | 22,45 / 7,19 | 0,942 / 0,976 |
| Calle, 0 dB | 5,0 / 47,8 dB | 18,03 / 5,85 | 0,984 / 0,992 |
| Cafetería, 0 dB | 4,0 / 47,8 dB | 20,23 / 6,99 | 0,966 / 0,98 |
| Cafetería, -5 dB | 2,1 / 42,4 dB | 24,22 / 8,86 | 0,865 / 0,967 |
En cuanto al sonido es un resultado muy bueno: el ruido en las pausas cayó más de 31 dB, y la distancia espectral respecto a la referencia se redujo aproximadamente tres veces. En la referencia limpia esa relación es de unos 63 dB, así que todavía falta un poco para el silencio de estudio. El archivo de salida tiene la misma duración que el de entrada, así que se puede poner bajo la imagen sin desplazar.
Sorpresa: limpio no significa fiel
Cada grabación antes y después de la limpieza la transcribimos con ElevenLabs Scribe y contamos las palabras erróneas sobre 84.
| Condiciones | Errores: ruidoso | Errores: tras Voice Isolator | Ejemplo |
|---|---|---|---|
| Ventilador, 0 dB | 1 | 4 | «un» → «», «edificio» → «édit» |
| Calle, 0 dB | 1 | 1 | «tranquilo» → «genial» |
| Cafetería, 0 dB | 1 | 3 | «porque» → «ya que», «el viernes» → «allí» |
| Cafetería, -5 dB | 2 | 20 | «esto rápido porque tengo una reunión enseguida» → «este blog de de nuevo mi vida en sevilla» |
La comparación muestra por muestra con la referencia salió muy mal, aunque el espectro está cerca del original. Parece que el modelo no solo corta el ruido, sino que reconstruye el habla de nuevo, y donde la voz estaba enmascarada, adivina fonemas. El oído recibe sonido limpio, pero la transcripción a veces recibe otras palabras. Conclusión práctica: para transcribir una grabación envía el archivo en bruto directo a la transcripción, y usa Voice Isolator para lo que alguien vaya a escuchar.
Cómo usar Voice Isolator
- En la aplicación: Voice Isolator, sube archivo de audio o vídeo y descarga el resultado.
- Por API (probado 29.09.2026):
curl -X POST https://api.elevenlabs.io/v1/audio-isolation
-H "xi-api-key: $ELEVENLABS_API_KEY"
-F audio=@grabacion.wav -o limpio.mp3Escucha el resultado en los lugares donde el ruido era más fuerte, y compara con el original, antes de publicar una cita. Si la grabación va a servir para cambiar voz, no necesitas limpiarla por separado: en Voice Changer está el mismo filtro como opción, y en nuestra prueba hacía allí una diferencia enorme.
Cuánto cuesta Voice Isolator
La documentación indica 1000 créditos por minuto de grabación, lo que coincide con nuestra medición: 477 créditos por 28,6 s. Tarifa API del 29 de septiembre de 2026: 0,1073 EUR (0,12 USD) por minuto, sin IVA. Un podcast de una hora son pues 7,20 USD. En el plan Creator por 19,68 EUR (22 USD) (121 mil créditos) cabrán unas 2 horas de limpieza al mes, si no usas los créditos para nada más. Los demás planes los comparo en el texto cuánto cuesta ElevenLabs, y todas las herramientas en la guía ElevenLabs.
Preguntas frecuentes
¿Cómo eliminar ruido de una grabación con IA?
Sube el archivo a Voice Isolator en ElevenLabs, en la aplicación o por API. En nuestra prueba el ruido en las pausas entre palabras cayó 31-44 dB, y una grabación de 28 segundos estuvo lista en unos 3 segundos.
¿Cuánto cuesta Voice Isolator?
1000 créditos por minuto de grabación, por API 0,1073 EUR (0,12 USD) por minuto, sin IVA. A nosotros 28,6 s nos costó 477 créditos.
¿Voice Isolator mejora la transcripción?
En nuestra prueba no, la empeoraba. Con charla más fuerte que el habla el número de palabras erróneas subió de 2 a 20 sobre 84, porque el modelo en lugares enmascarados reconstruye otros fonemas.
¿Voice Isolator funciona con archivos de vídeo?
Sí. Acepta entre otros MP4, MOV, MKV y WEBM de hasta 500 MB y una hora de duración y devuelve la pista de audio limpia.
Fuentes y fecha de comprobación
- documentación: Voice isolator
- API: Audio isolation
- tarifa API
- tarifa planes
- modelo microsoft/wavlm-base-plus-sv. Prueba propia 29.09.2026: 4 grabaciones de 28,6 s (1908 créditos) más 6 s de prueba del comando curl. Comprobado 29 de septiembre de 2026
Voice Changer ElevenLabs: cambiar voz con IA en grabacionesHerramientas de IA
Stable Audio 3: generador de música AI, licencia y ComfyUIHerramientas de IA
Wan 3.0 a prueba: el modelo de vídeo con IA que crea clips con audioHerramientas de IAEl 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.
More on this from FULGOR
guías·Cómo detectar que una canción está hecha con IA: 6 señalesRespiraciones mal colocadas, finales que se desvanecen, vocalistas que cambian a mitad de tema. Seis cosas que delatan a un generador.