> This is a page from the ElevenLabs documentation. For a complete page index, fetch https://elevenlabs.io/docs/llms.txt. For the full documentation in a single file, fetch https://elevenlabs.io/docs/llms-full.txt. # Documentación de ElevenLabs ## Cómo funciona ElevenLabs ElevenLabs ofrece infraestructura de voz IA: texto a voz, voz a texto, clonación de voz, agentes conversacionales y audio generativo. Puedes usarla de cuatro formas, adaptadas a diferentes públicos. **[ElevenCreative](/docs/es/eleven-creative)** es una aplicación web sin código en la que creadores, productores y editores generan locuciones, música, doblajes y proyectos de Studio directamente en el navegador. **[ElevenAgents](/docs/es/eleven-agents)** es la plataforma para diseñar y gestionar agentes de voz conversacionales, con un creador visual para usuarios sin conocimientos técnicos y control programático completo para desarrolladores. **[ElevenAPI](/docs/es/eleven-api)** ofrece todas las funciones mediante una interfaz REST con SDK oficiales para Python y TypeScript, para que desarrolladores puedan integrar voz en sus propias aplicaciones y workflows. **[Reception AI](/docs/es/reception-ai)** es un recepcionista telefónico con IA listo para implementar para pequeñas y medianas empresas que responde llamadas, reserva citas y gestiona las operaciones diarias desde un único panel de control. ### Conceptos **Las voces** son la personalidad de habla que se utiliza en la generación de audio. Cada voz tiene un ID único —por ejemplo, `JBFqnCBsd6RMkjVDRZzb`— que seleccionas en el panel de control o incluyes en solicitudes de la API. ElevenLabs mantiene una [biblioteca de más de 10.000 voces](https://elevenlabs.io/app/voice-library). También puedes clonar una voz a partir de una grabación de audio o generarla desde una descripción de texto. **Los modelos** controlan la calidad, la latencia y la cobertura de idiomas del audio generado. [`eleven_v4`](/docs/es/overview/models) produce el resultado más expresivo en más de 90 idiomas. [`eleven_v4_turbo`](/docs/es/overview/models) está pensado para usos en tiempo real, con una latencia media de inferencia de unos 100 ms. Cada función —voz a texto, música, efectos de sonido— tiene su propio modelo específico. **Los créditos** son la unidad de consumo compartida entre todos los productos. Texto a Voz cuesta un crédito por cada carácter de texto introducido. Otras operaciones se cobran por segundo de audio procesado. Los créditos se reinician cada mes y los que no uses se acumulan durante un máximo de dos meses. Consulta los [precios](https://elevenlabs.io/pricing/api) para ver el desglose completo. ## Elige tu camino [![](/docs/_fern-img/12097a437e55f60c199946cf59c9528eb8349d110142394833d67fe93b50e68d.webp)](/docs/es/eleven-creative/overview) ### ElevenCreative Descubre cómo usar la plataforma ElevenCreative con guías paso a paso [![](/docs/_fern-img/7375358c43ac5dd1a170937123f0874e01b3d8b6cf178c282805588a11d39593.webp)](/docs/es/eleven-agents/overview) ### ElevenAgents Descubre cómo crear, lanzar y escalar agentes con ElevenLabs [![](/docs/_fern-img/002b2432fa6ab18befc9f1a6e7fadf348f46506a5a5a72a2358ba1e7f92d8ded.webp)](/docs/es/eleven-api/quickstart) ### ElevenAPI Descubre cómo integrar la API de ElevenLabs con ejemplos y tutoriales ## Conoce los modelos #### [Eleven v4](/docs/es/overview/models#eleven-v4) Nuestro modelo de síntesis de voz más expresivo y de mayor calidad Capacidades excepcionales de clonación de voz Compatible con más de 90 idiomas Límite de 10.000 caracteres Compatible con diálogos naturales entre varios hablantes #### [Eleven v4 Turbo](/docs/es/overview/models#eleven-v4-turbo) Nuestro modelo de síntesis de voz en tiempo real más expresivo Latencia ultrabaja (latencia de inferencia mediana de \~100 ms†) Capacidades excepcionales de clonación de voz Compatible con más de 90 idiomas Etiquetas de audio para un control preciso #### [Eleven v3](/docs/es/overview/models#eleven-v3) Nuestro modelo de síntesis de voz expresivo y con gran riqueza emocional Entonación e interpretación dramáticas Compatible con más de 70 idiomas Límite de 5.000 caracteres Compatible con diálogos naturales entre varios hablantes #### [Eleven v3 Conversational](/docs/es/overview/models#eleven-v3-conversational) Nuestro modelo de síntesis de voz expresivo y en tiempo real Baja latencia (\~280 ms) Entonación e interpretación dramáticas Compatible con más de 70 idiomas Etiquetas de audio para un control preciso #### [Eleven Multilingual v2](/docs/es/overview/models#multilingual-v2) Modelo de síntesis de voz realista y de calidad constante Resultado con sonido natural Compatible con 29 idiomas Límite de 10.000 caracteres El más estable para generaciones largas #### [Eleven Flash v2.5](/docs/es/overview/models#flash-v25) Nuestro modelo de síntesis de voz rápido y asequible Latencia ultrabaja (\~75 ms†) Compatible con 32 idiomas Límite de 40.000 caracteres Modelo más rápido, con un precio por carácter un 50 % menor para generaciones mediante la API #### [Scribe v2](/docs/es/overview/models#scribe-v2) Modelo de reconocimiento de voz de última generación Transcripción precisa en más de 90 idiomas Prompting de términos clave, hasta 1000 términos Detección de entidades, 65 tipos de entidades Edición de transcripciones con instrucciones en lenguaje natural Marcas de tiempo precisas a nivel de palabra Diarización de hablantes, hasta 32 hablantes Etiquetado de audio dinámico Detección inteligente de idioma #### [Scribe v2 Realtime](/docs/es/overview/models#scribe-v2-realtime) Modelo de reconocimiento de voz en tiempo real Transcripción precisa en más de 90 idiomas Transcripción en tiempo real Baja latencia (\~150ms†) Marcas de tiempo precisas a nivel de palabra Detección de entidades, 65 tipos de entidades Edición de transcripciones con instrucciones en lenguaje natural #### [Scribe v2 Medical](/docs/es/overview/models#scribe-v2-medical) Reconocimiento de voz ajustado para audio clínico Un 35 % menos de errores de transcripción en audio clínico que Scribe v2 La misma precisión en habla cotidiana que Scribe v2 Las mismas funciones, idiomas, precios y API que Scribe v2 [Explorar todos](/docs/es/overview/models) † Sin incluir la latencia de la aplicación y la red ## Explora por función Texto a Voz Convierte texto en habla natural Voz a Texto Transcribe audio hablado a texto Música Genera música a partir de texto Texto a Diálogo Crea diálogos naturales a partir de texto Imagen y Video Genera imágenes y vídeos a partir de texto Cambiador de Voz Modifica y transforma voces Limpiar Audio Aísla voces del ruido de fondo Doblaje IA Dobla audio y vídeos sin complicaciones Efectos de Sonido Crea efectos de sonido cinematográficos Voces Clona y diseña voces personalizadas Mezcla de voces Transforma y mejora voces existentes Alineación forzada Alinea texto con audio Motor de voz Añade voz a cualquier cosa ElevenAgents Implementa agentes de voz inteligentes Implementaciones privadas Ejecuta ElevenLabs en tu propia nube