Cómo agregar voz con ElevenLabs v3
Domina ElevenLabs v3: el TTS más expresivo del mundo. Aprende clonación de voz, etiquetas de audio, Scribe v2 para transcripción y SFX v2 para efectos de sonido.
🎙️ ElevenLabs v3: el TTS más expresivo
ElevenLabs v3, lanzado a finales de 2025, se considera el text-to-speech más expresivo jamás creado. La diferencia con las versiones anteriores es drástica: las voces suenan genuinamente humanas, con matices emocionales que antes eran imposibles.
Expresividad natural
V3 incluye suspiros, susurros, risas, pausas dramáticas y variaciones naturales de tono. La voz suena como la de un locutor profesional grabando en un estudio, no como una máquina leyendo texto.
Audio Tags para control del tono
Inserta etiquetas en el texto para controlar cómo se interpreta la voz. Ejemplos de uso:
<whisper>Esto es un secreto</whisper>
<excited>¡Qué increíble!</excited>
<sad>Lamentablemente, no fue posible</sad>
<pause duration="1s"/>
Compatibilidad con varios idiomas
Admite más de 30 idiomas, incluido el portugués brasileño con pronunciación nativa. La misma voz puede narrar en distintos idiomas manteniendo su timbre y personalidad.
🧬 Clonación de voz
ElevenLabs permite clonar voces a partir de muestras de audio. Hay dos métodos:
Instant Voice Cloning
- • Subir audios de 1-5 minutos
- • Resultado en segundos
- • Buena calidad para la mayoría de los usos
- • Disponible en todos los planes pagos
Professional Voice Cloning
- • Requiere 30+ minutos de audio limpio
- • El entrenamiento tarda horas
- • Calidad indistinguible del original
- • Planes Pro y superiores
🚫 Ética de la clonación de voz
NUNCA clones la voz de otra persona sin su consentimiento explícito y por escrito. ElevenLabs exige que confirmes que tienes autorización para clonar la voz. Usa solo tu propia voz o voces con permiso documentado.
📝 Scribe v2 — Speech-to-Text
Además de generar voz, ElevenLabs también transcribe audio con Scribe v2:
- • Transcripción precisa en 30+ idiomas
- • Identificación de hablantes — diferencia quién está hablando
- • Marcas de tiempo — marcas de tiempo para cada frase
- • Útil para: generar subtítulos, transcribir entrevistas, crear guiones a partir de audio
🔊 SFX v2 — Efectos de sonido con IA
El generador de efectos sonoros de ElevenLabs crea sonidos a partir de descripciones textuales:
Ejemplos de prompts para SFX
- • "Rain falling on a tin roof, gentle, ambient"
- • "Crowd cheering in a stadium, excited, echoey"
- • "Car engine starting and revving, sports car, powerful"
- • "Forest birds singing at dawn, peaceful, nature ambience"
- • "Typing on a mechanical keyboard, rhythmic, close-up"
💡 Cómo combinar SFX con videos
Genera efectos de sonido específicos para tus videos de Kling o Runway. Sonidos de pasos, puertas, ambiente urbano: todo se puede generar a pedido y agregar durante la edición con CapCut.
💰 Planes de ElevenLabs
| Plan | Precio | Caracteres/mes | Recursos |
|---|---|---|---|
| Gratis | Gratis | 10.000 | Voces estándar, 3 custom voices |
| Starter | $5/mes | 30.000 | Clonación instantánea, más voces |
| Creator | $22/mes | 100.000 | Professional cloning, projects |
| Pro | $99/mes | 500.000 | API, prioridad alta, 48kHz |
🎬 Práctica: agregar narración a un video
1. Escribe el guion
Usa ChatGPT para crear un guion de narración de 30-60 segundos para uno de los videos que generaste con Kling o Runway.
2. Elige la voz
En ElevenLabs, explora las voces en portugués brasileño. Prueba al menos 3 voces diferentes con el mismo texto. Elige la que mejor combine con el tono del video.
3. Agrega etiquetas de expresión
Inserta pausas y variaciones de tono en el texto para que la narración sea más natural y atractiva.
4. Genera y descarga el audio
Genera el audio, escúchalo atentamente y ajústalo si es necesario. Descárgalo en MP3 o WAV.
5. Genera efectos de sonido (SFX)
Crea 2-3 efectos de sonido que complementen tu video (ambiente, transiciones, énfasis).
6. Combina en CapCut
Importa el video, la narración y los SFX en CapCut. Sincroniza la narración con las escenas y agrega los efectos en los momentos adecuados. Exporta el resultado final.
✅ Lista de verificación de la clase
- Entiendo las capacidades de ElevenLabs v3
- Sé usar audio tags para controlar el tono y la expresión
- Comprendo las opciones de clonación de voz y sus límites éticos
- Conozco Scribe v2 para transcripción
- Sé generar efectos de sonido con SFX v2
- Completé el proyecto práctico: video con narración y SFX