ElevenLabs: voz a partir de texto y doblaje de vídeo

Qué es ElevenLabs

ElevenLabs es una empresa especializada en inteligencia artificial para voces y locución. Su tecnología sintetiza habla de sonido natural y sabe recrear los rasgos característicos de una voz humana (tono, entonación y timbre) en muchos idiomas distintos. Por la calidad de sus voces, ElevenLabs se ha consolidado como uno de los nombres de referencia en locución y doblaje con IA.

En genkiki.com ElevenLabs está disponible a través del modo Doblaje: una herramienta que toma un vídeo ya grabado con habla y lo traduce y locuta en otro idioma, conservando una voz cercana a la del hablante original.

Versiones y capacidades en generiram

ElevenLabs se ofrece en dos modos: doblaje de vídeo y voz a partir de texto.

En el doblaje, el habla del vídeo original se traduce y se vuelve a locutar en el idioma que elijas. La voz se recrea para que suene parecida a la del hablante original: es decir, el doblaje no suena como una voz ajena y desconocida, sino como una traducción dicha por la misma persona. Los labios no se readaptan al nuevo idioma, lo que hace el procesado más rápido y más barato que un doblaje completo con sincronización labial.

• Hasta 29 idiomas para la locución.
• Vídeo de hasta unos 10 minutos.
• Detección automática del idioma de origen: no hace falta indicarlo a mano.
• Posibilidad de indicar cuántos hablantes hay en el vídeo, para un resultado más preciso.
• Clonación de la voz, para que la traducción suene cerca del hablante original.

Para qué sirve

ElevenLabs Doblaje es más útil cuando quieres que un vídeo se entienda rápido en otro idioma, sin volver a grabar nada:

• Doblaje de voz rápido de vídeos para una audiencia nueva y un mercado extranjero.
• Traducción de clips formativos, presentaciones y webinars.
• Locución de vídeos de marketing y de producto en varios idiomas.
• Situaciones en las que los labios no están en primer plano: ahí apenas se nota que no se hayan readaptado, y ganas en rapidez y en precio.

ElevenLabs v3: voz a partir de texto

ElevenLabs v3 es el modelo de voz de la categoría Audio del Estudio IA: escribes un texto, eliges una voz y obtienes un archivo de audio terminado, como si lo hubiera leído un locutor. Hay 21 voces, masculinas y femeninas, con distinto carácter, y cada una tiene una muestra que puedes escuchar antes de elegir.

• El texto llega hasta 5000 caracteres por generación: el contador bajo el campo te dice por dónde vas.
• Se cobra por cada 1000 caracteres empezados: de 1 a 1000 caracteres cuestan lo mismo que 1000.
• Puedes intercalar indicaciones entre corchetes que no se leen, sino que se interpretan: escríbelas en tu propio idioma y el sistema las traduce para el modelo: [risas], [susurro], [suspiro], [emocionado], [sarcástico], [llorando], [cantando], [pausa] y más.
• Estilo de lectura: Creativo, más expresivo y emocional; Natural, equilibrado; Estable, uniforme y previsible (para locución y cursos).
• El idioma suele detectarse solo a partir del texto: selecciónalo a mano únicamente si la pronunciación sale mal. Admite español y otras decenas de idiomas.
• El texto se lee al pie de la letra: no se traduce ni se acorta nada. El ajuste «Números y abreviaturas» decide si «25 €» se pronuncia «veinticinco euros».

Abre el Estudio IA, elige el modo Texto → Voz en la categoría Audio, escribe el texto y pulsa Generar: en segundos tienes el audio listo para descargar.

Cómo empezar

Abre el Estudio IA de genkiki.com, elige el modo Vídeo → Vídeo y la variante ElevenLabs Doblaje. Sube el vídeo, elige el idioma de destino y, si hace falta, indica el número de hablantes. El idioma de origen se detecta automáticamente. Lanza el procesado y recibirás el mismo vídeo, locutado en el nuevo idioma con una voz cercana a la original.