For AI agents: a documentation index is available at the root level at /llms.txt. Append /llms.txt to any URL for a page-level index, or .md for the markdown version of any page.
Descubre cómo clonar tu voz de forma profesional con nuestros modelos líderes del sector.
Crear un clon de voz profesional
Al clonar una voz, es importante tener en cuenta con qué se ha entrenado la IA: qué idiomas y qué tipo de conjunto de datos. Lee más sobre cada modelo y sus puntos fuertes en la página de modelos.
Los clones de voz profesionales no admiten actualmente el canto. Las grabaciones de audio deben contener
únicamente voz hablada.
Sube tus muestras de audio haciendo clic en Upload samples.
Si aún no tienes audio de entrenamiento grabado, también puedes grabar directamente en la interfaz seleccionando Record yourself. Hemos incluido guiones de ejemplo para narración, conversación y publicidad. También puedes subir tu propio guion.
Consulta los comentarios sobre la duración de las muestras
Cuando hayas subido el audio, verás comentarios sobre la duración de tus muestras. Para obtener los mejores resultados, recomendamos subir al menos una hora de audio de entrenamiento e, idealmente, acercarte lo máximo posible a tres horas.
Cuando hayas subido tus muestras de audio, puedes procesarlas para mejorar la calidad. Puedes eliminar el ruido de fondo y también separar diferentes hablantes si el audio incluye más de uno. Para acceder a estas opciones, haz clic en el botón Audio settings situado junto al clip que quieras procesar.
Cuando todo esté grabado y subido, se te pedirá que verifiques tu voz. Para que la experiencia sea fluida, intenta verificar tu voz con el mismo equipo, o uno similar, al que utilizaste para grabar las muestras y con un tono y una entonación parecidos a los de las muestras. Si no tienes acceso al mismo equipo, intenta verificarla lo mejor que puedas. Si falla, puedes esperar 24 horas para volver a intentarlo o contactar con soporte para obtener ayuda.
Antes de poder utilizar tu voz, debe completar el proceso de ajuste fino. Puedes consultar el estado de tu voz en My Voices mientras se procesa. Recibirás una notificación cuando esté lista para usar.
En la sección Voices del panel, selecciona la pestaña Personal y haz clic en Use junto a tu clon de voz para empezar a utilizarlo.
Hay algunas cosas que debes tener en cuenta antes de empezar a subir tus muestras, así como algunos pasos que debes seguir para garantizar los mejores resultados posibles.
Clonar Voz Profesional es muy preciso al clonar las muestras utilizadas para su entrenamiento. Creará un clon casi perfecto de lo que escucha, incluidas todas las particularidades y características de esa voz, pero también cualquier artefacto y audio no deseado presente en las muestras. Esto significa que, si subes muestras de baja calidad con ruido de fondo, reverberación o eco de la sala, u otros sonidos no deseados como música o varias personas hablando, la IA también intentará replicar todos estos elementos en el clon.
Asegúrate de que solo haya una voz hablando durante todo el audio, ya que más de un hablante, un exceso de ruido o cualquiera de los elementos anteriores pueden confundir a la IA. Esta confusión puede hacer que la IA no pueda distinguir qué voz debe clonar o que interprete erróneamente cómo suena realmente la voz porque queda enmascarada por otros sonidos, lo que dará como resultado un clon menos que óptimo.
Asegúrate de tener suficiente material para clonar la voz correctamente. El mínimo imprescindible que recomendamos son 30 minutos de audio, pero para obtener el mejor resultado y el clon más preciso, recomendamos entre 2 y 3 horas de audio. Cuanto más audio proporciones, mejor será la calidad del clon resultante.
El estilo de habla de las muestras que proporciones se replicará en el resultado, por lo que, según la entonación que busques, los datos de entrenamiento deben corresponder a ese estilo (por ejemplo, si quieres narrar un audiolibro con un clon de tu voz, el audio que envíes para el entrenamiento debería ser una grabación tuya leyendo un libro con el tono de voz que quieras utilizar). Para mantener la coherencia, es mejor incluir un único estilo en las muestras subidas.
Utiliza muestras en el idioma para el que quieres usar el PVC
Lo mejor es utilizar muestras en las que hables el idioma para el que se usará principalmente el PVC. Por supuesto, la IA puede hablar cualquier idioma que admitamos actualmente. Sin embargo, ten en cuenta que, si la voz no es nativa del idioma que quieres que hable la IA —es decir, si clonaste una voz que habla otro idioma—, puede tener el acento del idioma original y pronunciar incorrectamente palabras y entonaciones. Por ejemplo, si clonas una voz que habla inglés y luego quieres que hable español, es muy probable que tenga acento inglés al hablar español. Solo admitimos la clonación de muestras grabadas en uno de nuestros idiomas compatibles, y la aplicación rechazará tu muestra si está grabada en un idioma no compatible.
Consulta los ejemplos siguientes para saber qué puedes esperar de una grabación buena y de una mala.
Por ahora, solo te permitimos clonar tu propia voz. Se te pedirá que completes un proceso de verificación antes de enviar tu solicitud de ajuste fino.
Consejos y sugerencias
Equipo de grabación profesional
Equipo de grabación profesional
Utiliza equipo de grabación de alta calidad para obtener resultados óptimos, ya que la IA clonará todos los aspectos del audio. Entrada de alta calidad = salida de alta calidad. Cualquier micrófono servirá, pero recomendamos un micrófono XLR conectado a una interfaz de audio dedicada. Algunas recomendaciones asequibles serían un Audio Technica AT2020 o un Rode NT1 conectados a una interfaz Focusrite o similar.
Usa un filtro antipop
Usa un filtro antipop
Utiliza un filtro antipop al grabar. Así minimizarás las consonantes oclusivas.
Distancia al micrófono
Distancia al micrófono
Colócate a la distancia adecuada del micrófono: se recomienda aproximadamente dos puños de distancia, aunque también depende del tipo de grabación que quieras hacer.
Grabación sin ruido
Grabación sin ruido
Asegúrate de que la entrada de audio no tenga interferencias, como música o ruido de fondo. El clonado con IA funciona mejor con audio limpio y sin elementos innecesarios.
Acústica de la sala
Acústica de la sala
Preferiblemente, graba en una sala tratada acústicamente. Esto reduce los ecos y ruidos de fondo no deseados, lo que proporciona una entrada de audio más clara para la IA. Puedes improvisar algo temporal con un edredón o una colcha gruesos para amortiguar el espacio de grabación.
Preprocesamiento de audio
Preprocesamiento de audio
Considera editar el audio de antemano si buscas un sonido específico que quieras que genere la IA. Por ejemplo, si quieres un resultado pulido, similar al de un podcast, preprocesa el audio para que tenga esa calidad, o elimina las pausas largas y muchos «eh» y «ah» entre palabras, ya que la IA también los imitará.
Control de volumen
Control de volumen
Mantén un volumen constante que sea lo suficientemente alto para oírse con claridad, pero no tanto como para causar distorsión. El objetivo es conseguir un nivel de audio equilibrado y estable. Lo ideal sería entre -23 dB y -18 dB RMS, con un pico real de -3 dB.
Duración de audio suficiente
Duración de audio suficiente
Proporciona al menos 30 minutos de audio de alta calidad que siga las indicaciones anteriores para obtener los mejores resultados; preferiblemente, unas 2 horas o más de audio. Cuantos más datos de calidad puedas proporcionar a la IA, mejor será el clon de voz. El número de muestras no importa; lo importante es la duración total. Sin embargo, si tienes pensado subir varias horas de audio, es mejor dividirlo en varias muestras de unos 30 minutos. Esto facilita la subida.
Preguntas frecuentes
¿Cuál es la diferencia entre Clonar Voz Instantáneo y Clonar Voz Profesional?
La Clonación de Voz Profesional, a diferencia de la Clonación de Voz Instantánea, que permite clonar voces rápidamente con menos de 2 minutos de audio, te permite entrenar un modelo más realista de tu voz. Esto se consigue entrenando un modelo específico con un amplio conjunto de datos de voz para producir un modelo prácticamente indistinguible de tu voz original.
Puesto que los clones de voz profesionales requieren ajuste fino y entrenamiento, pasará algún tiempo antes de que puedas usar tu clon de voz. Es difícil dar una estimación, ya que depende del número de personas que haya en la cola antes que tú y de otros factores, pero el ajuste fino suele tardar entre 3 y 6 horas.
Recibirás una notificación por correo electrónico cuando tu clon de voz profesional esté listo.
¿Puedo crear un clon de voz profesional de la voz de otra persona?
No. Solo puedes crear un Clon de Voz Profesional de tu propia voz. Aunque tengas su consentimiento, no puedes clonar la voz de otra persona. Todos los Clones de Voz Profesionales requieren un proceso de verificación para confirmar que la voz te pertenece.
Si alguien quiere compartir su voz contigo, puede crear y verificar un Clon de Voz Profesional en su propia cuenta y después compartirlo contigo de forma privada mediante un enlace para compartir. Más información en nuestro artículo: ¿Cómo comparto una voz?
¿Cuántos clones de voz profesionales (PVC) puedo tener?
El número de plazas para Clones de Voz Profesionales (PVC) varía según el nivel de suscripción:
Plazas de PVC incluidas
Planes Free y Starter: no hay plazas de PVC disponibles
Planes Creator, Pro y Scale heredado: 1 plaza de PVC
Planes Scale y Business heredado: 3 plazas de PVC
Plan Business: 10 plazas de PVC
Plan Enterprise: número personalizado de plazas de PVC
Plazas de PVC adicionales
Puedes obtener plazas de PVC adicionales cuando un Clon de Voz Profesional que hayas compartido en la Biblioteca de Voces reciba la calificación Studio Quality.
La revisión de Studio Quality solo se aplica a las voces que hayas compartido en la Biblioteca de Voces
Tras aceptar tu voz en la Biblioteca de Voces, la revisión de Studio Quality se realiza automáticamente. No es inmediata
Si tu PVC compartido recibe la calificación Studio Quality, recibirás automáticamente una plaza de PVC adicional
Esto puede ocurrir varias veces si varias voces compartidas reciben la calificación Studio Quality
No puedes crear más PVC a menos que:
Obtengas plazas adicionales mediante la revisión Studio Quality de voces compartidas en la Biblioteca de Voces
Actualices al plan Scale o superior
Notas importantes
Los Clones de Voz Profesionales solo se pueden usar para clonar tu propia voz
Si cambias a un plan inferior a Creator, tu PVC permanecerá en tu cuenta, pero no podrás usarlo hasta que actualices al plan Creator o superior
El número total de voces personalizadas que puedes tener, incluidos los PVC, depende de tu nivel de suscripción
¿Cómo añado o actualizo los modelos utilizados para entrenar mi clon de voz profesional?
Todos los Clones de Voz Profesionales (PVC) se entrenarán automáticamente con los modelos Flash v2.5, Turbo v2.5 y Multilingual v2. Los PVC entrenados con audio en inglés también se entrenarán automáticamente con los modelos Flash v2 y Turbo v2.
Si ya tienes un PVC, ahora puedes realizar un ajuste fino con modelos adicionales. En el futuro, si se lanzan nuevos modelos compatibles con el ajuste fino, recibirás una notificación. Se mostrará mediante un icono de exclamación a la derecha de tu voz en la lista de voces de Mis voces. Al pasar el cursor sobre este icono, se mostrará la notificación.
Para iniciar el proceso de ajuste fino, pasa el cursor sobre el nombre de tu voz en la lista de Mis voces, y verás todos los modelos disponibles. Los modelos con los que la voz ya se ha ajustado se mostrarán con un icono de marca de verificación, y los modelos disponibles para el ajuste fino se mostrarán con un icono de suma. Para iniciar el ajuste fino, solo tienes que hacer clic en el modelo.
Mientras se ajusta la voz, puedes pasar el cursor sobre el nombre del modelo para ver el progreso. Ten en cuenta que, debido a la caché de voz, puede que necesites actualizar la página para ver el progreso más reciente. Cuando finalice el ajuste fino, recibirás una notificación tanto en la app como por correo electrónico.
¿Qué significa el estado de mi clon de voz profesional?
Tu clon de voz profesional pasará por varias etapas mientras se procesa. Estas etapas se reflejan en el estado que se muestra para tu clon de voz profesional en Mis voces.
Para ver el estado actual, busca tu voz en la lista y consulta los iconos que aparecen a la derecha.
Borrador: Este estado significa que tu voz está incompleta. Por lo general, se debe a que
no has terminado de crear la voz o todavía no la has verificado.
Para realizar el proceso de verificación, haz clic en el icono de marca de verificación.
Para volver al proceso de creación de voz, haz clic en Más acciones (los tres puntos) y selecciona Editar voz.
Cuando hayas verificado tu voz, tendrá que ajustarse con precisión a nuestros modelos antes de que puedas usarla. Puedes seguir este proceso pasando el cursor sobre el nombre de tu voz en Mis voces. Aquí verás todos los modelos disponibles, con un icono que indica el estado de cada uno.
Pasa el cursor sobre el nombre del modelo para obtener más información. Verás uno de los siguientes estados:
El proceso de entrenamiento se ha programado: significa que tu voz está esperando a que se
libere una plaza para poder entrenarse. El tiempo que tu voz permanecerá en cola dependerá
de cuántas otras voces estén también en la cola.
Creando conjunto de datos y Ejecutando ajuste fino: cuando se libere una plaza,
comenzará el proceso de ajuste fino. Puede tardar entre 6 y 24 horas. Verás el porcentaje completado de
cada paso del proceso de entrenamiento de tu voz.
Lo sentimos, el proceso de entrenamiento ha tenido problemas y se ha vuelto a intentar. No es necesario realizar ninguna otra acción.
Esto significa que algo ha salido mal, pero tu voz se ha puesto automáticamente en cola para volver a intentar el
proceso de ajuste fino. Tu voz debería completar correctamente el proceso de ajuste fino en el siguiente
intento, pero si experimentas varios fallos, contacta con soporte escribiéndonos a
support@elevenlabs.io.
La voz está lista para usarse con el modelo: significa que el proceso de ajuste fino
para este modelo se ha completado y que ya puedes usar tu voz con él.
Haz clic para iniciar el ajuste fino: algunos modelos no se entrenan automáticamente y tendrás
que hacer clic en el nombre del modelo para iniciar el ajuste fino. Si hay modelos adicionales disponibles para
ajustar con precisión tu voz, verás un icono de exclamación junto a ella.
Para iniciar el proceso de ajuste fino, pasa el cursor sobre el nombre de tu voz y haz clic en el nombre del modelo.
¿Cuándo estará listo mi clon de voz profesional (PVC)?
Clonar Voz Profesional consiste en entrenar (ajustar) el modelo con grandes conjuntos de datos de la voz de un hablante concreto para crear un modelo personalizado.
Cuando hayas subido tus muestras y verificado tu voz, tu Clon de Voz Profesional se añadirá a la cola. El tiempo estimado de entrenamiento es de aproximadamente 3 a 6 horas. Depende de varios factores, por lo que es difícil dar una estimación exacta. Lamentablemente, a veces puede tardar más.
Cuando tu PVC haya completado el proceso de ajuste, recibirás notificaciones en la app y por correo electrónico para avisarte de que tu voz ya está lista para usar.
Mi clon de voz profesional ha fallado o se ha retrasado, ¿qué puedo hacer?
Después de verificar tu voz, deberá ajustarse con precisión a nuestros modelos antes de que puedas usarla. Mientras esto ocurre, puedes consultar el estado de tu voz en Mis voces pasando el cursor sobre su nombre. Verás todos los modelos disponibles para tu voz. Para consultar el estado de cada modelo, pasa el cursor sobre el nombre del modelo.
Si algo ha salido mal, es posible que veas el siguiente estado:
Lo sentimos, el proceso de entrenamiento ha tenido problemas y se ha vuelto a intentar. No es necesario realizar ninguna otra acción. Esto significa que algo ha salido mal, pero tu voz se ha puesto automáticamente en cola para volver a
intentar el proceso de ajuste fino. Tu voz debería completar correctamente el proceso de ajuste fino en
el siguiente intento, pero si experimentas varios fallos, puede que haya un problema con el conjunto de datos que
la IA no pueda resolver.
Puedes intentar resolverlo eliminando la voz y subiendo los datos de nuevo, desde el principio. Esto ha ayudado a algunos usuarios.
Si esto no resuelve el problema, puede que tengas que revisar el audio de entrenamiento y usar otro distinto.
Si experimentas fallos durante el proceso de ajuste fino, siempre puedes contactar con soporte escribiéndonos a support@elevenlabs.io.
¿Qué puedo hacer si no he podido verificar mi clon de voz profesional (PVC)?
Si agotas todos los intentos de verificación durante la creación de tu clon de voz profesional, puedes esperar 24 horas y después volver a intentarlo.
También puedes contactar con soporte escribiendo a support@elevenlabs.io para que puedan revisarlo. Si todo parece correcto, restablecerán tus intentos de verificación para que puedas volver a realizar el proceso.
Estas son algunas recomendaciones para verificar correctamente tu clon de voz profesional:
Asegúrate de que tu navegador web tiene permiso para usar el micrófono y de que no tienes el sonido silenciado.
Comprueba que el audio grabado con el micrófono del ordenador suene parecido al audio que subiste para clonarlo, sin ruido de fondo ni otras interferencias de audio externas.
Intenta hablar con un estilo similar al del audio que usaste para entrenar la voz.
Lee cada línea de verificación solo una vez y, después, pulsa Detener para detener la grabación. Leer la línea más de una vez puede hacer que el proceso de verificación falle.
¿Cómo puedo eliminar mi clon de voz profesional (PVC) no verificado?
Lamentablemente, no es posible. Como se indicó durante el proceso de configuración de tu Clon de Voz Profesional (PVC), cuando llegas a la fase de verificación, no puedes hacer cambios hasta que hayas verificado tu voz.
Si necesitas ayuda con tu Clon de Voz Profesional, ponte en contacto con el equipo de asistencia escribiendo a support@elevenlabs.io.
¿Qué idiomas son compatibles con Clonar Voz Profesional?
Clonar Voz Profesional es compatible con todos los idiomas disponibles en la familia de modelos Eleven v4: más de 90 idiomas en total.
La familia de modelos Eleven v4 es compatible con más de 90 idiomas, incluidos:
Para la Clonación de Voz Instantánea y la Clonación de Voz Profesional, aceptamos diversos tipos de archivo. Recomendamos encarecidamente MP3 a 192 kbps o más.
Formato recomendado
MP3, 192 kbps o más
Duración recomendada
Clonación de Voz Instantánea: 1-2 minutos de audio de buena calidad
Clonación de Voz Profesional: 30-180 minutos de audio de buena calidad
Los formatos sin comprimir, como WAV, normalmente no mejoran la calidad del clon y pueden causar problemas durante la subida. En su lugar, céntrate en la calidad de la grabación: utiliza una grabación limpia, sin ruido de fondo, reverberación de la sala ni varios hablantes, con un volumen y tono constantes, y sin largos silencios.
¿Hay alguna restricción sobre las voces que puedo subir para clonarlas?
En ElevenLabs, nos comprometemos plenamente tanto a respetar los derechos de propiedad intelectual como a implementar medidas de protección contra el posible uso indebido de nuestra tecnología:
Solo colaboramos con clientes que cumplen nuestros Términos de servicio y nuestra Política de uso prohibido, que prohíben el uso malintencionado de nuestra tecnología para cualquier fin que pueda considerarse ilegal o perjudicial;
Buscamos apoyar a propietarios de voces y a sus licenciatarios para que reclamen sus derechos, y revisaremos y actuaremos ante todas las infracciones conocidas;
Todo el audio generado por nuestros modelos puede rastrearse de inmediato hasta el usuario responsable de generarlo.
La tecnología que estamos desarrollando es nueva y todavía no existe una regulación clara. Parte de nuestro objetivo como laboratorio de investigación de IA es dar a conocer la existencia de esta tecnología, su potencial y también sus limitaciones.
¿Hay consejos para obtener voces clonadas de buena calidad?
La idea principal es: una entrada buena y uniforme = un resultado bueno y uniforme.
Duración
Clonar Voz Instantánea: 1-2 minutos de audio de buena calidad
Clonar Voz Profesional: 30-180 minutos de audio de buena calidad
Usa los fragmentos de audio mejores y más nítidos que encuentres. Debe haber un solo hablante, sin ruido ni interferencias de fondo, y su voz debe oírse alta y clara.
En lugar de usar muchos fragmentos de distinta calidad solo para aumentar la duración, prioriza aquellos en los que la calidad del micrófono sea claramente muy alta y la calidad y el tono sean uniformes de principio a fin, en vez de centrarte en aumentar la duración total.
Asegúrate de que la mayor parte del diálogo de tus fragmentos coincida con el estilo de habla y la entonación del hablante que más te gustan. No conviene incluir demasiados fragmentos en los que el hablante se aleje de los patrones de habla que quieres escuchar.
Si es necesario, usa un eliminador de ruido para reducir el ruido de fondo.
Puedes encontrar más información en nuestra documentación aquí.
¿Puedo clonar mi voz en un idioma distinto del inglés?
Sí. Puedes clonar tu voz en cualquier idioma compatible con Flash v2.5 y Multilingual v2. Consulta la lista completa de idiomas compatibles aquí.
También puedes clonar una voz que habla un idioma que la IA no admite. El clon puede captar el tono del hablante, pero no podrá hablar ese idioma y los resultados pueden ser impredecibles. No lo recomendamos.
¿Puedo exportar mis clones de voz?
No puedes descargar ni exportar tus clones de voz como archivos independientes. Los clones de voz permanecen en tu cuenta de ElevenLabs.
Aun así, puedes usar tus voces de ElevenLabs fuera del sitio web de ElevenLabs. Con tu clave de API, los servicios de terceros pueden llamar a la API de ElevenLabs y generar voz con las voces de tu cuenta.
Si quieres volver a crear un clon más adelante, guarda las muestras de audio originales que usaste para crearlo. Cada clon sonará ligeramente distinto, incluso si usas el mismo audio.
¿Por qué mi voz o acento no suena bien después de clonarlo?
ElevenLabs ofrece dos opciones para clonar voces:
Clonación de Voz Instantánea: resultados rápidos a partir de unos 1-3 minutos de audio. Funciona bien con la mayoría de las voces, pero puede tener dificultades con acentos poco comunes o voces únicas.
Clonación de Voz Profesional: mayor fidelidad, utilizando entre 30 minutos y unas 3 horas de audio. El ajuste suele tardar entre 3 y 6 horas, y puede llevar más tiempo si hay muchas voces en cola.
Si la Clonación de Voz Instantánea no capta bien tu voz o acento, prueba la Clonación de Voz Profesional.
No puedes cambiar el acento ni el tono de un clon después de crearlo. Para mejorar el resultado, cambia las muestras de audio que utilizas. Pequeños cambios en las muestras pueden marcar una gran diferencia.
¿Qué significa el error «No model found for this voice. Please select another voice»?
Verás este error si intentas usar tu clon de voz profesional (PVC) antes de que haya completado el proceso de ajuste fino y esté disponible para usarlo.
Cuando creas un PVC, debe pasar por varios procesos antes de estar disponible para su uso. Después de verificar tu voz, se procesará y se pondrá en cola para el ajuste fino. Según cuántas otras voces estén actualmente en cola para el ajuste fino, calculamos que este proceso suele tardar entre 3 y 6 horas, aunque puede tardar hasta 24 horas.
Puedes consultar el progreso de tu PVC en Mis voces: busca la voz en tu lista de voces y haz clic en Ver para ver más detalles. Puedes pasar el cursor sobre cada modelo para ver su estado actual.
Cuando tu PVC haya completado el ajuste fino y esté disponible para usarlo, verás una notificación emergente y también recibirás un aviso por correo electrónico.
