Fundamentos
¿Qué es la clonación de voz con IA?
La clonación de voz con IA crea un modelo digital de la voz de una persona a partir de una grabación breve en la que habla. Una vez existe el modelo, escribes cualquier texto y obtienes voz con ese timbre. El modelo capta timbre, ritmo y acento: no es tu audio original reproducido por trozos.
¿Cómo funciona la clonación de voz con IA?
En cuatro etapas: subes voz limpia (de 30 segundos a unos minutos); el sistema extrae un embedding de hablante, una huella numérica de la voz; un modelo de síntesis combina esa huella con los fonemas de tu texto; un vocoder neuronal convierte el resultado en una onda de audio. El clonado suele tardar de segundos a dos minutos, y cada generación posterior unos segundos.
¿Qué es la clonación de voz neuronal?
Neuronal significa que el modelo de voz es una red neuronal entrenada con grandes corpus de habla, en lugar del enfoque concatenativo anterior que unía fragmentos grabados. La clonación neuronal necesita mucho menos audio de origen —bastan 30 segundos— y generaliza a texto nuevo en vez de solo repetir frases ya grabadas.
Precio y créditos
¿Cuánto cuesta clonar una voz?
100 créditos por voz, cobrados una sola vez. Después la voz se reutiliza sin coste extra. Los créditos van a 1 $ = 50; los paquetes empiezan en 9 $, sin cuota mensual, sin suscripción y sin caducidad.
¿Cómo se cobra la síntesis de voz?
Por bytes UTF-8 del texto de entrada: 4.200 créditos por 1.000.000 de bytes. El inglés ronda un byte por carácter; el chino y el japonés, tres bytes por carácter. Un guion inglés de 1.000 palabras son unos 6.000 bytes, unas 25 créditos.
¿Qué es un crédito y caduca?
Un crédito equivale a 0,02 $ al comprar un paquete (9 $ dan 450 créditos). Los créditos no caducan. No hay cuota mensual ni suscripción: pagas solo lo que usas.
Grabación y salida
¿Cuánto audio necesito para un buen clon?
30 segundos de voz limpia de un solo hablante es el mínimo práctico para un clon reconocible; de 1 a 3 minutos mejora notablemente la similitud. Evita música de fondo, reverberación, otras voces y saturación. Mono, 44,1 kHz o más, sin reducción de ruido agresiva.
¿Cuánto tarda el clonado?
El entrenamiento suele tardar de unos segundos a un par de minutos según la duración de la muestra y la cola. La voz queda disponible en cuanto aparece en tu biblioteca.
¿Qué idiomas se admiten?
La síntesis cubre 83 idiomas y el modelo de voz es independiente del idioma: graba una vez en inglés y genera en japonés, alemán o español. El acento de salida sigue al audio de entrenamiento, así que un clon con acento nativo necesita material en ese acento.
Derechos y fiabilidad
¿Es legal la clonación de voz?
Depende de quién sea la voz y de qué hagas con ella. Clonar tu propia voz no supone problema. Clonar la de otra persona exige su consentimiento informado: muchas jurisdicciones tratan la voz como identificador protegido y algunas, como la ELVIS Act de Tennessee, reconocen derechos explícitos de imagen. Nunca uses un clon para suplantar, defraudar o tergiversar. Resona exige que tengas los derechos o el consentimiento de cada voz que clones. Para un análisis detallado del consentimiento y la divulgación en cada jurisdicción — incluido clonar la voz de un actor para un doblaje — consulta nuestra guía sobre <a href="/blog/voice-cloning-rights-consent">derechos y consentimiento al clonar voces para doblaje</a>.
¿Puedo usar voces clonadas comercialmente?
Sí, para voces propias o con consentimiento por escrito. El uso comercial no cambia el precio en créditos. Sigues siendo responsable de los derechos y de declarar que es voz sintética cuando la ley o la plataforma lo exijan: varias plataformas ya piden etiquetar el audio generado por IA.
¿Qué pasa si una tarea falla?
Los créditos reservados se devuelven automáticamente. Tu historial conserva el intento con estado REFUND para que veas exactamente qué ocurrió. Nunca se te cobra por un resultado que no recibiste.
¿Otra duda? Escribe a support@resonaio.com — respondemos en menos de 24 horas en días laborables.