¿Qué es ElevenLabs? Guía de precios, uso comercial y soporte del japonés (según fuentes oficiales)

ElevenLabs es una plataforma de audio con IA centrada en la síntesis de voz (Text to Speech), que convierte texto en audio hablado. También ofrece transcripción, clonación de voz, doblaje y generación de efectos de sonido y música. En este artículo repasamos sus funciones, precios, condiciones de uso comercial y soporte del japonés, a partir de lo que consultamos en el sitio web oficial, el centro de ayuda y la documentación de ElevenLabs el 4 de octubre de 2026 (UTC).

Qué es ElevenLabs

El sitio web oficial presenta el servicio en tres grandes áreas:

ElevenCreative: una aplicación web para creadores que permite producir voz, música, efectos de sonido, imágenes, video y más
ElevenAgents: una plataforma para crear y gestionar agentes de IA conversacionales que atienden llamadas telefónicas y chats
ElevenAPI: una API para desarrolladores que permite integrar la síntesis de voz, la transcripción y otras funciones en aplicaciones propias

Este artículo se centra en las suscripciones de ElevenCreative, que suelen ser lo primero que valoran las personas y los equipos pequeños, y solo resume brevemente los precios de la API.

Funciones principales

Estas son las funciones principales que confirmamos en la página oficial de precios y en la lista de modelos de la documentación oficial:

Esquema para elegir según el objetivo: Text to Speech para leer en voz alta guiones cortos, Studio para producciones largas y ElevenAPI para integrar voz en aplicaciones propias.

Text to Speech: convierte texto en voz. Además del modelo más reciente, «Eleven v4» (que el sitio oficial indica como lanzado en septiembre de 2026), incluye modelos como Eleven v3, Multilingual v2 y Flash v2.5, de baja latencia
Studio: permite crear proyectos largos de audio y video, como audiolibros y pódcasts
Clonación de voz: Instant Voice Cloning, que crea una voz a partir de un audio breve, y Professional Voice Cloning, que entrena un modelo dedicado con grabaciones más largas
Voice Design: crea una voz nueva a partir de una descripción escrita de sus características
Speech to Text (transcripción), Dubbing (doblaje), Voice Changer, Voice Isolator (eliminación de ruido), Sound Effects y Music

Hay un límite de caracteres por generación. El centro de ayuda fija el límite de la interfaz web en 5.000 caracteres en los planes de pago y 2.500 en el plan gratuito, mientras que la página de presentación de Eleven v4 habla de un máximo de 10.000 caracteres. Con la información oficial no pudimos determinar cuál de los dos límites se aplica al usar v4 en la interfaz web.

Cómo funcionan los precios y los créditos

La unidad de cobro son los «créditos»

En los planes de ElevenCreative, cada función consume «créditos» que se asignan cada mes. Según la página de precios, los créditos son comunes a todos los productos, de modo que lo que se gasta en una función reduce lo disponible para las demás. Como referencia de consumo, la página indica 1 crédito por carácter en Text to Speech, 330 créditos por minuto en Speech to Text, 900 créditos por minuto en Music y 200 créditos por generación en Sound Effects, entre otros (todos son valores aproximados oficiales).

Según el centro de ayuda, los signos de puntuación, los espacios y las etiquetas de audio también cuentan como caracteres. Los créditos se consumen en cada generación, no al descargar, pero según la documentación, en la versión web se puede regenerar gratis si se cumplen ciertas condiciones, por ejemplo, volver a generar en menos de 2 horas con el mismo texto, la misma voz y el mismo modelo.

Precio y créditos mensuales de cada plan

Al 4 de octubre de 2026, la página de precios (vista de pago mensual) muestra los siguientes planes principales. Los precios están en dólares estadounidenses y no incluyen impuestos.

Free: 0 USD, 10.000 créditos al mes
Starter: 6 USD al mes, 30.000 créditos al mes. Añade licencia comercial, Instant Voice Cloning y más
Creator: 22 USD al mes, 121.000 créditos al mes. Añade Professional Voice Cloning y más
Pro: 99 USD al mes, 600.000 créditos al mes
Scale: 299 USD al mes, 1.800.000 créditos al mes, 3 puestos
Business: 990 USD al mes, 6.000.000 de créditos al mes, 10 puestos
Enterprise: contactar con ventas

Precio habitual, descuento del primer mes, pago anual y promociones

En el momento de la consulta, la página de precios mostraba ofertas por tiempo limitado además de los precios habituales. Todo lo siguiente corresponde a lo que se mostraba en ese momento y puede cambiar.

Descuento del primer mes: Starter cuesta 1 USD el primer mes (precio habitual 6 USD, con la indicación «hasta el 18 de octubre») y Creator, 11 USD el primer mes (precio habitual 22 USD). Se indica que el descuento se aplica solo al primer mes. En la página que consultamos no figuraba la fecha de fin del descuento del primer mes de Creator
Pago anual: las preguntas frecuentes de la página de precios explican que el precio anual equivale a «la cuota mensual × 10 meses», es decir, dos meses gratis. El equivalente mensual con pago anual es de 5 USD en Starter, 18,33 USD en Creator y 82,50 USD en Pro. No pudimos confirmar si el descuento del primer mes se puede combinar con el pago anual
Promoción de Eleven v4: un aviso en la parte superior del sitio anunciaba «créditos x3 en los planes Creator y superiores hasta el 12 de octubre». El cuerpo de la página de precios la describe como una promoción de «dos semanas» en la que, «en los planes Creator y superiores, los créditos usados en Text to Speech con v4, hasta el doble de los créditos mensuales, no se descuentan del saldo (solo en la web y las aplicaciones móviles)», sin indicar fecha de fin. Ambas son promociones por tiempo limitado y no están incluidas en los créditos mensuales indicados arriba

Acumulación y qué hacer si faltan créditos

Según las preguntas frecuentes de la página de precios, los créditos no usados en los planes de pago se pueden acumular hasta un máximo de dos meses, pero caducan al final del periodo de facturación si se baja de plan o se cancela. El plan gratuito no permite acumularlos. La documentación de facturación indica que las suscripciones nuevas pueden comprar créditos prepago Pay As You Go (válidos durante 12 meses) cuando se quedan cortas.

Por otra parte, el uso de la API tiene su propia página de precios de ElevenAPI, cuyas preguntas frecuentes explican que se cobra en dólares estadounidenses y no en créditos (por ejemplo, 0,08 USD por cada 1.000 caracteres en Text to Speech con los modelos multilingües).

Condiciones de uso comercial

Resumimos aquí la explicación del centro de ayuda y lo que establecen los términos aplicables. Los Términos de Servicio (para residentes fuera del EEE, Suiza y el Reino Unido) establecen que los usuarios gratuitos solo pueden usar los servicios con fines no comerciales, mientras que los usuarios de pago pueden usarlos con fines comerciales.

Plan gratuito: no incluye licencia comercial y no se puede usar con fines comerciales. Para publicar audio creado con el plan gratuito o sin iniciar sesión, hay que indicar que se creó con ElevenLabs incluyendo «elevenlabs.io» u «11.ai» en el título (para la música creada con Eleven Music, la indicación es «Eleven Music»). La Prohibited Use Policy también incluye entre los usos prohibidos el uso comercial por parte de usuarios gratuitos, como la publicidad
Planes de pago: todos los planes de pago incluyen licencia comercial. Sin embargo, el contenido creado con funciones calificadas como alfa, beta, vista previa o similares (Beta Services) no se puede usar con fines comerciales ni en producción. No pudimos determinar qué funciones están actualmente en esa categoría
Audio creado durante el periodo de pago: se indica que se puede seguir usando comercialmente incluso después de que termine la suscripción. En cambio, el audio creado con el plan gratuito antes o después del periodo de pago no se puede usar comercialmente
Condiciones adicionales por producto: Music, Sound Effects, Studio, Dubbing v2 y otros productos tienen sus propios Service-Specific Terms. Por ejemplo, la Prohibited Use Policy prohíbe vender o distribuir los sonidos creados con Sound Effects como un paquete de recursos independiente. Además, los Sound Effects Terms indican que se puede impedir que los efectos de sonido creados se sublicencien a terceros (incluidos otros usuarios de ElevenLabs) mediante la función «Disable» de la página del producto

Como nota de la redacción, los videos monetizados, los anuncios y los videos corporativos publicados externamente probablemente cuenten como uso comercial. Conviene no producirlos con el plan gratuito y revisar los términos más recientes antes de empezar.

Requisitos de la clonación de voz

Instant Voice Cloning: según la documentación de facturación, la clonación de voz está disponible a partir de Starter. La documentación recomienda entre 1 y 2 minutos de audio limpio, sin ruido. Al crearla, hay un paso para confirmar que se tienen el derecho y el consentimiento para reproducir esa voz
Professional Voice Cloning: disponible a partir de Creator. Según el centro de ayuda, el número que se puede crear (espacios) es de 1 en Creator y Pro, 3 en Scale y 10 en Business. La cantidad de audio recomendada es de unos 30 a 180 minutos (según las preguntas frecuentes de la documentación de Instant Voice Cloning), y el entrenamiento suele tardar de 3 a 6 horas
Solo la voz propia: con Professional Voice Cloning solo se puede crear la propia voz, y no se puede crear la voz de otra persona aunque esta dé su consentimiento. Se requiere una verificación que confirme que se es el dueño de la voz. Si se quiere usar la voz de otra persona, la indicación es que esa persona la cree en su propia cuenta y la comparta
Usos prohibidos: la Prohibited Use Policy prohíbe reproducir intencionadamente la voz de otra persona sin su consentimiento o sin derecho legal, así como usarla para ocultar que una voz ha sido generada con IA

Cabe señalar también que los Términos de Servicio conceden a ElevenLabs una licencia para usar el contenido introducido y generado (incluidas las voces) para prestar y mejorar los servicios y desarrollar nuevos servicios y productos, y establecen que esta licencia es perpetua e irrevocable. Es posible excluirse del uso para entrenamiento en el ajuste «Data use», pero la exclusión no afecta a los usos anteriores. Por su parte, la página de presentación de Eleven v4 afirma que los guiones y demás material enviado no se usan para entrenamiento sin consentimiento, y no pudimos determinar cómo se relaciona esto con los términos.

Soporte del idioma japonés

Aquí distinguimos entre el idioma de la interfaz (UI) y el idioma en que se lee el texto.

En cuanto a la lectura, la lista de modelos de la documentación oficial incluye el japonés entre los idiomas compatibles de Eleven v4, v3, Multilingual v2 y Flash v2.5 (Flash v2 solo admite inglés). Según el centro de ayuda, la versión web detecta el idioma automáticamente a partir del texto introducido, por lo que se recomienda no mezclar varios idiomas en una misma entrada, mientras que en la API se puede indicar el idioma con language_code. No obstante, la captura de ejemplo de la página de presentación de v4 muestra una opción «Language override», así que conviene comprobar en la interfaz más reciente cómo funciona hoy la versión web.

El centro de ayuda explica que el idioma lo determina el texto introducido, y el acento y la pronunciación, la voz. Como las voces predefinidas y las voces generadas son todas voces en inglés, se recomienda buscar voces japonesas con el filtro de idioma de la Voice Library o crear un clon a partir de una grabación en japonés. Además, la documentación de Eleven v4 afirma que v4 está diseñado para hablar con naturalidad en un idioma distinto al de la voz de origen sin arrastrar su acento original (según el fabricante).

En cuanto a la interfaz, el sitio web oficial tiene una versión en japonés, con una página de precios en japonés (los precios se muestran en dólares estadounidenses, igual que en la versión en inglés). Sin embargo, con la información oficial que consultamos no pudimos saber si las pantallas de la aplicación tras iniciar sesión se pueden mostrar en japonés (del centro de ayuda solo encontramos la versión en inglés). Lo más prudente es contar con que la aplicación se usará con la interfaz en inglés.

La forma más fiable de valorar la calidad de la pronunciación en japonés y cómo se leen los kanji y los números es escuchar una prueba con el guion que realmente se va a usar. El centro de ayuda incluye artículos sobre qué hacer cuando los números, las fechas o las abreviaturas no se leen correctamente. Además, según la página de presentación de Eleven v4, existe una función de diccionario de pronunciación (Pronunciation Dictionary) para indicar cómo deben leerse las palabras.

Para qué usos encaja y para cuáles no

Lo siguiente es la valoración de la redacción a partir de las especificaciones confirmadas en las fuentes oficiales.

Casos en los que probablemente encaja:

Producir audio a partir de guiones de forma continuada, como narraciones de video o audiolibros
Crear audio en varios idiomas con la misma voz
Usar un clon de la propia voz para reducir el trabajo de grabación
Integrar la síntesis de voz en aplicaciones o agentes conversacionales mediante la API

Casos en los que puede no encajar:

Usarlo para anuncios o contenido monetizado sin salir del plan gratuito
Clonar la voz de otra persona, como un famoso o un compañero de trabajo, sin pasar por la cuenta de esa persona
Casos en los que es imprescindible que la interfaz de la aplicación esté en japonés (no pudimos confirmarlo)
Casos en los que el objetivo principal es la propia edición de video (además de la generación de voz, habría que valorar una herramienta de edición de video)

Ejemplo de uso (ilustrativo, sin verificar)

El siguiente ejemplo sirve para explicar el funcionamiento; la redacción no lo ha producido ni probado realmente.

Supongamos que se quiere añadir una narración en japonés a un video de presentación de producto de unos 3 minutos y publicarlo externamente. Como la publicación externa puede considerarse uso comercial, se parte de un plan de pago como Starter.

Flujo de producción en ElevenLabs: preparar el guion, elegir una voz japonesa, generar el audio y comprobar la pronunciación, regenerar donde haga falta y terminar en un editor de video.

Preparar el guion: los números y los nombres propios se prestan a lecturas distintas, así que, si hace falta, se escriben en kana o se configura un diccionario de pronunciación
Elegir la voz: buscar voces japonesas con el filtro de idioma de la Voice Library y escucharlas con el propio guion
Generar: generar párrafo a párrafo y rehacer solo las partes que no convenzan
Terminar: descargar los archivos de audio y sincronizarlos con las imágenes en una herramienta de edición de video

Como Text to Speech consume aproximadamente 1 crédito por carácter, un guion de 1.000 caracteres consumiría unos 1.000 créditos por generación (puede variar según el modelo y la vía de uso). También hay que reservar créditos para las regeneraciones.

Cómo elegir frente a otras herramientas

Entre las herramientas relacionadas están Murf AI, que ofrece un Studio para producir locuciones y API de voz, y Descript, un editor con IA que permite editar video y audio editando la transcripción (ambas descripciones proceden de los sitios web oficiales de cada empresa). En este artículo no comparamos precios ni otras cifras de cada empresa.

Al elegir, conviene compararlas en estos aspectos:

Si el objetivo principal es generar voz, editar video y audio o integrar una API
La unidad de cobro (créditos, tiempo de generación, caracteres, etc.) y la cantidad que se prevé necesitar cada mes
Si el plan gratuito permite uso comercial y si exige atribución
Los requisitos de la clonación de voz (verificación de identidad, planes compatibles, cuántas se pueden crear)
La calidad de la lectura en japonés (valorarla escuchando el guion real) y si hay interfaz en japonés

También puedes consultar un resumen de ElevenLabs en nuestra página de ElevenLabs.

Preguntas frecuentes

¿Se puede usar ElevenLabs gratis?

Hay un plan gratuito que asigna 10.000 créditos al mes. Sin embargo, no permite uso comercial y, si se publica lo creado, hay que incluir «elevenlabs.io» u «11.ai» en el título.

¿Puedo seguir usando el audio creado durante el periodo de pago después de cancelar?

Según la documentación oficial, el audio creado durante el periodo de pago se puede seguir usando con la licencia comercial después de que termine la suscripción. Eso sí, los créditos no usados caducan al final del periodo de facturación.

Fecha de consulta y fuentes

La información de este artículo se comprobó en las siguientes páginas oficiales el 4 de octubre de 2026 (UTC). Los precios, las promociones y las especificaciones pueden cambiar, así que conviene consultar la información más reciente antes de empezar.