ElevenLabs

ElevenLabs es conocida sobre todo por su texto a voz, que suena a persona y no a robot. Pegas un guion, eliges una voz de una gran biblioteca o creas la tuya, y la herramienta lo lee con un ritmo y una emoción naturales. La misma voz puede hablar decenas de idiomas, lo que la hace popular para audiolibros, narración en YouTube, e-learning, personajes de videojuegos y accesibilidad. La clonación de voz crea una copia de una voz a partir de una grabación, y tiene salvaguardas: se supone que debes contar con el permiso de quien habla, y algunas funciones exigen comprobaciones de identidad.

La plataforma ha crecido hasta ofrecer un conjunto más amplio de productos de audio. El doblaje traduce un vídeo a otros idiomas conservando la voz del hablante original. Scribe transcribe el habla, con etiquetas de interlocutor y marcas de tiempo. Hay herramientas para efectos de sonido y generación de música, y un editor Studio para proyectos largos como audiolibros y podcasts. Para desarrolladores, la API permite emitir voz en streaming con baja latencia, y el producto de agentes deja que las empresas creen asistentes de voz que atienden llamadas y conversaciones con clientes con una voz, una base de conocimiento y un conjunto de herramientas a su elección.

El plan gratuito incluye una pequeña cuota mensual de audio y sirve para probar, y los planes de pago añaden más uso, derechos comerciales y una clonación de mayor calidad. El uso se mide en créditos, así que los proyectos largos pueden salir caros y conviene generar borradores con un modelo más barato primero. La calidad varía según el idioma y la voz, y a veces pronuncia mal nombres o términos poco comunes, algo que se corrige con los controles de pronunciación. Entre los competidores están el texto a voz de OpenAI, Google Cloud, Microsoft Azure y Cartesia.