ElevenLabs vs OpenAI TTS: ¿qué voz de IA elegir?
Durante mucho tiempo, la respuesta a «¿ElevenLabs u OpenAI?» era un simple equilibrio: OpenAI era más barata y hablaba más idiomas, ElevenLabs sonaba más humana. En 2026 cambiaron dos cosas. OpenAI anunció que va a apagar sus modelos de voz, y la lista de idiomas de ElevenLabs superó a la de OpenAI. Esto es lo que significa para ti y así puedes elegir una voz sin darle demasiadas vueltas ni pagar de más.
Qué ha cambiado con OpenAI TTS
OpenAI ha anunciado que tts-1, tts-1-hd y gpt-4o-mini-tts dejarán de funcionar el 6 de enero de 2027. El sustituto que propone es un modelo en tiempo real con otra API, más caro para las mismas voces. Si hoy desarrollas sobre el endpoint de voz de OpenAI, planifica una migración.
Por eso Speecho ya no usa voces de OpenAI. Nuestro nivel económico, Estándar, funcionaba con ellas; ahora funciona con otro proveedor que ofrece 185 voces, entre ellas hablantes nativos de 19 idiomas, y lee 63 idiomas. Los precios no han cambiado.
Las voces de OpenAI hacían bien lo suyo: limpias, claras, baratas y fáciles de dirigir con una breve indicación sobre el tono. Su punto débil era el acento. La misma docena de voces leía todos los idiomas, así que fuera del inglés rara vez sonaban como un hablante nativo.
En qué destaca ElevenLabs
Las voces de ElevenLabs están en el extremo expresivo y realista del mercado: mejor ritmo, un énfasis más natural, esas pequeñas respiraciones y pausas que hacen que el habla suene a persona y no a lector. Y ya no son la opción limitada. En Speecho, los niveles de ElevenLabs leen 87 idiomas, con voces nativas en 31 de ellos.
La desventaja que queda es el precio: el realismo cuesta más por carácter.
Cómo lo organiza Speecho en tres niveles
En lugar de obligarte a aprender los nombres de modelo de cada proveedor, Speecho tiene tres niveles:
- Estándar: el nivel económico. 50 créditos por cada 1.000 caracteres, unos 0,07-0,10 $ según el paquete. Voces claras para borradores, narraciones y cualquier cosa de gran volumen, con hablantes nativos de 19 idiomas.
- Mejorada: ElevenLabs. 110 créditos por cada 1.000 caracteres, unos 0,15-0,23 $. Notablemente más realista y todavía asequible. El punto justo para la mayoría del trabajo que se publica.
- Premium: ElevenLabs. 160 créditos por cada 1.000 caracteres, unos 0,22-0,33 $. La más natural y emotiva, para trabajos en los que la voz es el producto.
En inglés, 1.000 caracteres equivalen más o menos a un minuto de voz, así que esas cifras son también, a grandes rasgos, el coste por minuto. Cada nivel también da voz a diálogos: asigna a cada personaje de un guion su propia voz y las líneas vuelven como un solo MP3, al mismo precio por carácter. Más en texto a voz con varias voces.
Una regla sencilla para elegir
Ajusta el nivel a lo que hay en juego:
- Borrador, uso interno o gran volumen → Estándar. La voz en off de un montaje preliminar, cien clips de descripciones de producto, una herramienta que lee texto en voz alta.
- La mayoría de vídeos y saludos reales → Mejorada. Un vídeo explicativo de YouTube, un saludo telefónico, un módulo de un curso. Aquí es donde «claramente un robot» pasa a «suena como un narrador», sin el precio del nivel más alto.
- Emblemático, de cara al cliente, emocional → Premium. Un anuncio de marca, un tráiler, una muestra de audiolibro. Cuando la gente te vaya a juzgar por la voz, gástate esos céntimos de más.
Comprueba primero el idioma
Si trabajas en inglés, español, francés, alemán, portugués u otro idioma muy hablado, los tres niveles están sobre la mesa y es pura cuestión de calidad frente a coste. Para idiomas menos comunes, los niveles de ElevenLabs son ahora los que más abarcan: 87 idiomas frente a los 63 de Estándar. Si quieres un acento nativo al precio más bajo, mira si tu idioma está entre los 19 con hablantes nativos de Estándar, desde el inglés de EE. UU., Reino Unido, Australia e India hasta el japonés, el coreano y el árabe.
No adivines: escucha antes
El mejor hábito: escucha antes de pagar. Cada voz de Speecho tiene una muestra gratuita en tu idioma, así que puedes oír la misma frase en Estándar y en Mejorada y decidir por ti mismo. A la mayoría le compensa Mejorada para todo lo público y le basta Estándar para lo demás. Fíate de tus oídos antes que de cualquier tabla comparativa, incluida esta.
En resumen
Los modelos de voz de OpenAI tienen los días contados, así que en proyectos nuevos la elección real es entre una voz económica y ElevenLabs. En Speecho, Mejorada es el nivel que la mayoría debería elegir por defecto, con Estándar para borradores y volumen y Premium para el trabajo que lleva tu nombre.
¿Quieres oírlas una al lado de la otra? Abre texto a voz, pega una frase y escucha las tres gratis: solo gastas créditos cuando generas el clip que quieres.
