Grabar una locución tú mismo implica buscar una sala silenciosa, un micrófono decente y una decena de tomas. Contratar a un locutor profesional es lento y caro. El texto a voz con IA te da audio terminado en alrededor de un minuto, con pausas e inflexión naturales.
Elige entre tres modelos. Eleven v4 de ElevenLabs suena lo más parecido a una voz humana y funciona en más de 70 idiomas; además, puedes controlar las emociones con etiquetas directamente en el texto: [whispers], [laughs], [excited]. Gemini 3.8 Flash TTS de Google cuesta casi la mitad y te permite describir el estilo de locución con palabras: "calmado y cálido, como un audiolibro" o "como un presentador de noticias". MiniMax Speech 2.8 HD admite textos largos de hasta 10 000 caracteres y te deja elegir una emoción —feliz, triste, sorprendido— y la velocidad del habla.
Cada modelo tiene su propio conjunto de voces masculinas y femeninas, desde aterciopeladas hasta de estilo locutor, 34 en total. Escucha una vista previa de cualquier voz antes de generar. El precio depende de la longitud del texto y del modelo, y se muestra antes de ejecutar: Eleven v4 cuesta 10 créditos por cada 1000 caracteres. Si la generación falla, no se te cobra.