Clonar tu Voz con IA Gratis: Guía 2026

Así puedes clonar tu voz con IA gratis en pocos minutos, usando modelos de código abierto en lugar de las páginas de proveedores que se llaman “gratis” sin serlo. Esta guía cubre dos métodos realmente gratuitos, Chatterbox y OpenVoice V2, más la opción de pago más barata que de verdad funciona: ElevenLabs Starter a $6 al mes.

Los resultados de búsqueda para “clonación de voz IA gratis” son en su mayoría marketing de proveedores. Las herramientas que anuncian clonación en su página principal suelen esconder la función real detrás de un plan de pago justo cuando intentas usarla. Esta guía se limita a lo que es verificablemente gratis: modelos de código abierto funcionando en demos oficiales de Hugging Face, sin registro y sin tarjeta.

¿Qué necesitas antes de empezar?

La configuración es la misma en todos los métodos de abajo, ya termines usando un modelo gratuito de código abierto o uno de pago: un teléfono o micrófono USB básico, una habitación silenciosa y de 30 segundos a 2 minutos de voz limpia. Eso es realmente todo; las diferencias entre herramientas solo empiezan en el paso de subir el archivo.

Un dispositivo de grabación. Un smartphone o un micrófono USB básico es suficiente; no necesitas equipo de estudio. Lo que más importa es una habitación silenciosa, porque estos modelos copian todo lo que hay en el clip de referencia, ruido de fondo y eco incluidos, no solo la voz.

Un espacio silencioso. Graba en algún lugar sin ventilador, ruido de tráfico ni otras personas hablando. Un armario lleno de ropa o una habitación pequeña con alfombra funciona mejor que una sala abierta, porque las superficies blandas reducen el eco.

De 30 segundos a 2 minutos de voz limpia. Este es el punto óptimo en la mayoría de herramientas de esta guía. Lee un párrafo o dos en voz alta, con tu tono normal, sin música ni sonido de fondo. Algunos métodos necesitan mucho menos, hasta 5 segundos, y eso se detalla en los pasos de cada método.

Método 1: Clona tu voz gratis con Chatterbox

Chatterbox (y su variante más rápida, Chatterbox Turbo) es un modelo de clonación de voz de código abierto de Resemble AI, publicado bajo licencia MIT. Eso significa que es gratis para proyectos personales, de investigación y comerciales, incluidos productos de código cerrado, no una prueba gratuita que caduca. Clona una voz zero-shot, a partir de un clip de referencia corto, sin ajuste fino ni entrenamiento previo.

Si necesitas el resultado en español, ten en cuenta que la demo de Chatterbox Turbo de arriba está pensada para inglés. Resemble AI publica por separado Chatterbox Multilingual, también con licencia MIT, que sí admite español entre sus idiomas soportados. Es una alternativa a explorar si prefieres quedarte con Chatterbox, aunque para clonar y hablar en español de forma directa, el Método 2 de abajo es el camino más simple.

Para una comparación cara a cara en calidad de voz, latencia y precio frente a una alternativa de pago, consulta la comparación completa de ElevenLabs vs Chatterbox TTS.

Método 2: Clona tu voz gratis con OpenVoice V2 (con español nativo)

OpenVoice V2 es una segunda opción de código abierto, creada por MyShell e investigadores del MIT, también bajo licencia MIT (desde abril de 2024, con uso comercial incluido). Su ventaja frente a Chatterbox es el alcance de idiomas: admite de forma nativa inglés, español, francés, chino, japonés y coreano, así que un solo clip de referencia puede generar tu voz clonada hablando en cualquiera de esos seis idiomas.

Para quien busca “clonar voz con IA gratis” pensando en español, este es el método que de verdad resuelve el problema: no hace falta grabar una muestra en español, porque el modelo genera la salida en español a partir de un clip de referencia en cualquier idioma.

Método 3: Desbloquea la clonación de voz real en ElevenLabs por $6 al mes

Si quieres una interfaz más cuidada y una licencia comercial sin tener que leer tú mismo los términos de MIT, ElevenLabs es la vía de pago más barata que realmente funciona. Vale la pena nombrar con claridad qué incluye su plan gratuito: texto a voz, voz a texto, efectos de sonido y diseño de voz, pero ninguna clonación de voz y sin licencia comercial. El plan Starter, $6/mes por 30.000 créditos, es el nivel que desbloquea Instant Voice Cloning y añade la licencia comercial.

Si buscas opciones de texto a voz más allá de la clonación, la comparación de los mejores generadores de voz IA cubre un conjunto más amplio de herramientas y casos de uso.

¿Qué herramientas de clonación de voz “gratis” no lo son en realidad?

Algunos nombres conocidos anuncian la clonación de voz por todo lo alto, pero no la ofrecen gratis en realidad: Murf la esconde detrás de una llamada de ventas Enterprise, el plan gratuito de Speechify no incluye clonación pese a lo que sugiere su marketing, y el nivel $0 de ElevenLabs se queda en texto a voz. Esto es lo que cobra cada uno en realidad.

Murf AI: la clonación de voz es un add-on de Custom Voice Clones exclusivo para Enterprise, solo accesible mediante “Contact Sales”. No está en el plan Free (10 minutos únicos de generación de voz, sin clonación), ni en Creator ($19/mes facturado anualmente), ni en Business ($66/mes facturado anualmente). No existe forma de autoservicio para clonar una voz en Murf, a ningún precio.

Speechify: la página de marketing anuncia “Try Voice Cloning, it’s free”, pero los precios oficiales cuentan otra historia: el plan Free indica “No Voice Cloning”, y la clonación solo arranca en el plan Studio Starter, a $100/año.

El propio nivel gratuito de ElevenLabs: vale la pena repetirlo, porque es la fuente de confusión más común. El plan $0 da 10.000 créditos al mes para TTS, speech-to-text y efectos de sonido, pero cero clonación de voz y ninguna licencia comercial.

¿Cuánto audio necesitas realmente para clonar una voz?

Entre 5 segundos y 3 horas: las herramientas zero-shot como Chatterbox funcionan desde unos 5 segundos, Instant Voice Cloning de ElevenLabs pide 1-2 minutos, y la clonación de nivel profesional necesita entre 30 minutos y 3 horas. Más audio limpio produce un clon más preciso y estable, y la diferencia entre niveles se nota al oído.

Unos segundos (zero-shot): tanto Chatterbox como OpenVoice V2 funcionan a partir de un clip corto sin ningún paso de entrenamiento. La calidad es decente, suficiente para pruebas rápidas, clips cortos o proyectos personales, aunque pequeñas imperfecciones de tono y ritmo se notan más que con una muestra más larga.

1-2 minutos (clonación instantánea): Instant Voice Cloning de ElevenLabs se entrena en este rango, y produce un clon notablemente más estable y natural que una muestra zero-shot de 5 segundos. Este es el rango al que debería apuntar la mayoría si la calidad importa.

30 minutos a 3 horas (clonación profesional): Professional Voice Cloning de ElevenLabs entrena un modelo dedicado con esta cantidad de audio, lo más cercano a un clon de calidad broadcast disponible hoy. Tarda horas en entrenarse y solo puede usarse para clonar tu propia voz.

¿Es legal clonar tu voz con IA?

Clonar tu propia voz es legal y tan poco controvertido como puede serlo el uso de IA: es tu voz, tu grabación, tu resultado. La línea legal y ética aparece al clonar la voz de otra persona, y todo se reduce al consentimiento.

La ELVIS Act de Tennessee: vigente desde el 1 de julio de 2024, es una ley estatal, no federal, de Estados Unidos, que protege específicamente la voz de una persona frente a réplicas de IA no autorizadas y exige permiso por escrito antes de clonar una voz con fines comerciales. Otros estados podrían seguir el ejemplo, pero esta protección no cubre España ni Latinoamérica.

La Ley de IA de la UE: las normas de transparencia del Artículo 50 entraron en vigor el 2 de agosto de 2026 y exigen que el audio generado o manipulado con IA, deepfakes incluidos, se declare a quien lo escucha. Esto aplica directamente en España, como Estado miembro de la UE: si publicas audio clonado para una audiencia española o europea, etiquetarlo como generado por IA ya es una obligación legal. Si tu audiencia está en Latinoamérica, esta norma en concreto no te cubre, aunque conviene revisar la legislación local de cada país. Consulta las normas de etiquetado del Artículo 50 de la Ley de IA de la UE para el desglose completo.

Las estafas son el otro riesgo. La FTC (la agencia de protección al consumidor de Estados Unidos) ha advertido repetidamente sobre estafas con voces clonadas, donde una voz clonada, muchas veces la de un familiar, tomada de clips en redes sociales, se usa para fingir una llamada de emergencia y pedir dinero. Ninguno de los métodos de esta guía está pensado para eso, pero la misma tecnología puede usarse mal, que es justo por lo que el consentimiento y la divulgación importan.

Lecturas adicionales

• ElevenLabs Instant Voice Cloning Documentation - especificaciones oficiales sobre duración y calidad de audio
• EU AI Act Article 50 Transparency Rules - explicación independiente de los requisitos de divulgación de contenido con IA
• Resemble AI Chatterbox Turbo - página oficial del modelo con términos de licencia y detalles de rendimiento
• FTC Consumer Alert: Scammers Use AI to Enhance Family Emergency Schemes - la advertencia sobre estafas con voces clonadas mencionada arriba

Preguntas Frecuentes