ElevenLabs: cómo crear locuciones realistas con IA

ElevenLabs es una empresa de audio con IA conocida sobre todo por su conversión de texto a voz, que suena natural, con una entonación, un ritmo y una emoción creíbles. En torno a ese núcleo ofrece una biblioteca de voces listas para usar, herramientas para diseñar o clonar voces, un cambiador de voz que convierte una grabación en otra voz, doblaje automático a otros idiomas, un editor de formato largo para audiolibros y podcasts, generación de efectos de sonido y conversión de voz a texto. Los desarrolladores pueden usar la misma tecnología a través de una API, incluso para agentes de voz conversacionales.

Entre sus usuarios típicos hay creadores de video que necesitan narración, equipos de formación en línea, profesionales del marketing que producen anuncios y videos explicativos, desarrolladores de videojuegos que dan voz a sus personajes, editoriales que crean audiolibros y personas que dependen de la voz sintética por motivos de accesibilidad.

El uso se mide en créditos que dependen de cuánto texto conviertes y de qué funciones usas. Los planes se diferencian en sus asignaciones y en qué herramientas y derechos incluyen, así que revisa la página de planes vigente antes de elegir uno.

ElevenLabs ofrece varios modelos de voz. Algunos priorizan la expresividad y la calidad, mientras que otros están optimizados para una latencia baja en aplicaciones en tiempo real. Para locuciones grabadas, elige un modelo centrado en la calidad; los modelos más rápidos están pensados para el uso en directo, donde el tiempo de respuesta importa más que los matices.

Escribe para el oído, no para la página. Las frases cortas se leen de forma más natural que las largas, y la puntuación da forma a la interpretación: las comas y los puntos crean pausas, las rayas y los puntos suspensivos cambian el ritmo, y los signos de interrogación elevan la entonación. Escribe con letras los números, las fechas, las abreviaturas y los símbolos tal como quieres que se pronuncien, y reescribe fonéticamente los nombres poco comunes si la voz se traba. Para las marcas y los términos técnicos que aparecen a menudo, un diccionario de pronunciación te ahorra correcciones repetidas.

Los ajustes de voz afinan el resultado. Una estabilidad más baja da una lectura más expresiva y variada, mientras que una estabilidad más alta suena más constante pero puede volverse plana. Un ajuste de similitud controla cuánto se ciñe el resultado a la voz original, y los controles de estilo y velocidad regulan el énfasis y el ritmo. Algunos modelos más recientes aceptan también indicaciones breves entre corchetes que describen la interpretación, como un susurro o una risa. Genera dos o tres tomas de las frases complicadas y regenera solo las partes que lo necesiten.

La biblioteca de voces reúne una gran colección, algunas creadas por ElevenLabs y muchas compartidas por la comunidad. Puedes filtrar por idioma, acento, género, edad y uso, como narración, contenido conversacional, lectura de noticias o personajes. Antes de construir una serie en torno a una voz compartida, lee las notas que haya añadido su propietario y ten en cuenta que una voz compartida puede retirarse de la biblioteca más adelante.

El diseño de voz crea una voz sintética nueva a partir de una descripción escrita. Podrías pedir un narrador cálido y pausado, de tono grave y voz ligeramente rasposa, o un presentador joven, luminoso y lleno de energía. La herramienta genera varias muestras y guardas la que encaje. Como el resultado no pertenece a una persona real, el diseño de voz es una buena forma de conseguir una voz de marca distintiva sin clonar a nadie.

Elijas lo que elijas, sé constante. Usa la misma voz, el mismo modelo y los mismos ajustes en toda una serie, anótalos y prueba los guiones nuevos con una muestra breve antes de generar un episodio completo.

Los modelos multilingües de ElevenLabs pueden hablar decenas de idiomas, y una voz suele conservar su carácter al cambiar de idioma. Aun así, la calidad y el acento varían de un idioma a otro, así que pide a un hablante nativo que lo escuche antes de publicar, sobre todo en anuncios o material didáctico, donde un acento mal puesto o una frase rara socavan la confianza. En español, por ejemplo, conviene decidir desde el principio si tu público espera un acento neutro o uno regional concreto.

La herramienta de doblaje toma un archivo de video o audio, lo transcribe, lo traduce y le pone voz en el idioma de destino, intentando conservar el carácter vocal y el ritmo de cada hablante. Revisa la transcripción y la traducción antes del renderizado final: los modismos, los nombres de productos y los chistes rara vez sobreviven intactos a la traducción automática.

Al localizar, recuerda que el mismo mensaje puede ser bastante más largo en unos idiomas que en otros; un texto en español, por ejemplo, suele ocupar más que su original en inglés. Ajusta el guion traducido cuando haga falta para que la locución encaje con la imagen, en lugar de acelerar la voz hasta que suene atropellada.

ElevenLabs ofrece dos tipos de clonación. Un clon rápido se crea a partir de una muestra breve y capta el sonido general de una voz. Un clon profesional se entrena con un conjunto más largo de grabaciones de alta calidad y suena más parecido al original, y el servicio te pide que verifiques que la voz es tuya antes de crearlo.

El consentimiento es la regla innegociable. Clona solo tu propia voz o la de alguien que te haya dado un permiso explícito e informado, idealmente por escrito, que cubra qué dirá el clon, dónde se usará, durante cuánto tiempo y en qué condiciones. Las condiciones de ElevenLabs exigen que tengas los derechos y el consentimiento necesarios para cualquier voz que subas. Clonar a un famoso, un político, un compañero de trabajo o un familiar sin permiso infringe esas condiciones y puede ser ilegal según las leyes sobre fraude, difamación y derechos de la personalidad.

Trabajar con actores de voz requiere el mismo cuidado. Incluye en el contrato el uso de su voz clonada, respeta las normas sindicales o de su agencia y nunca uses el clon para contenido que no hayan aprobado. Para tu propio clon, graba en una habitación silenciosa, a una distancia constante de un micrófono decente, sin música ni reverberación y con un estilo de habla que encaje con el contenido que piensas producir.

Avisa a tu público cuando una voz sea sintética en situaciones en las que razonablemente supondría que es humana, como anuncios, líneas de atención al cliente, contenido de estilo informativo y cualquier cosa que pueda influir en las decisiones de alguien. Muchas plataformas también exigen etiquetas para el contenido realista generado con IA.

Nunca uses una voz sintética para suplantar a alguien, fingir un respaldo que no existe o hacer llamadas engañosas. Las estafas con voces clonadas, en las que alguien imita a un familiar o a un directivo y pide dinero, son un problema real y creciente. ElevenLabs ha implantado salvaguardas y ha lanzado una herramienta que ayuda a detectar el audio creado con sus modelos, y el uso indebido puede acarrear la suspensión de la cuenta y consecuencias legales.

También conviene protegerte a ti y a tu familia. Acuerda con los tuyos una palabra clave privada para las peticiones urgentes por teléfono y verifica cualquier petición inesperada de dinero devolviendo la llamada a un número que ya conozcas.

Los derechos comerciales dependen de tu plan. El nivel gratuito es más restrictivo, por ejemplo en cuanto a la atribución y el uso comercial, así que revisa las condiciones vigentes antes de publicar videos monetizados, anuncios o cursos de pago con audio de ElevenLabs.

Un flujo de trabajo fiable sería este: cierra el guion, prueba unas cuantas frases representativas, genera la narración completa por secciones y después edita el audio en un editor de video o en una estación de trabajo de audio. Normaliza la sonoridad, recorta chasquidos y respiraciones extrañas, añade música y tono de sala, y escucha una vez más con auriculares y con el altavoz de un teléfono antes de exportar.

Guarda registros de cada proyecto, incluidos la voz, el modelo, los ajustes y, en el caso de cualquier voz clonada, los documentos de consentimiento. Esos registros facilitan las revisiones y te dan una respuesta clara si un cliente o una plataforma te pregunta alguna vez de dónde salió una voz.