La primera barrera es aritmética. Una cuenta nueva de ElevenLabs recibe 10,000 créditos al mes en el plan Free, y en el modelo Multilingual v2 un carácter cuesta un crédito, así que eso equivale a unos diez minutos de narración, alrededor de 1,500 palabras habladas en inglés. Da para un vídeo corto. La segunda barrera es la licencia: Free no incluye Licencia Comercial, que aparece solo en Starter, $6/month por 30,000 créditos (elevenlabs.io/pricing).
A comienzos de octubre de 2026 la empresa sigue compitiendo por calidad, no por generosidad: lanzó su modelo Eleven v4 con un aumento promocional de créditos en los planes Creator y superiores hasta el October 12.
Si lo único que necesitas es que un texto se lea en voz alta, o un archivo que sea tuyo, hay tres rutas para salir, ordenadas por esfuerzo. Las tres son gratuitas.
Imagen oficial del sitio web de ElevenLabs.
Paso 1: que el navegador o el sistema operativo te lo lea
La función Read Aloud de Edge, la opción Contenido hablado de iOS y macOS, y una larga lista de extensiones de navegador leerán en voz alta casi cualquier página, PDF o documento. No hace falta cuenta, no hay contador de palabras y funcionan sin conexión.
Lo que no harán es entregarte un archivo de audio. El sonido se queda en el dispositivo, así que no puedes meterlo en un vídeo, y la salida no lleva derechos comerciales: sirve para leerte a ti mismo, no para facturar a un cliente.
La diferencia de calidad es real, pero más estrecha que antes. Las voces clásicas del sistema suenan claramente sintéticas; las voces neuronales en línea de Edge son mejores, aunque siguen siendo más planas que un motor de pago. Regla general: si el oyente solo necesita entender, esto basta; si el oyente está pagando, sigue adelante.
Paso 2: aprovecha un plan gratuito cuyas unidades sean más amables
Cada proveedor cuenta a su manera.
El plan Free de ElevenLabs da 10,000 créditos al mes, unos diez minutos, unas 1,500 palabras. El nivel gratuito F0 de Microsoft Azure Speech da 500,000 caracteres neuronales al mes sin coste; a razón de unos cinco caracteres por palabra, eso se acerca a 100,000 palabras de narración, una asignación del tamaño de un audiolibro que se renueva cada mes, y Azure permite el uso comercial según sus términos. Cartesia y Fish Audio se sitúan en un punto intermedio, con 20,000 y 8,000 créditos mensuales respectivamente (consulta los sitios oficiales; esto cambia).
El problema de Azure es la interfaz, no la cuota: es una consola para desarrolladores, así que pegas texto y llamas a una API en lugar de arrastrar clips en una línea de tiempo. El problema de los planes gratuitos más pequeños es la granularidad: un límite por solicitud, una plaza de clonación pública y sin acumulación, así que los créditos sin usar desaparecen al renovarse.
Tres preguntas que conviene responder antes de comprometerse
¿Algún plan gratuito llega a estar a la altura de ElevenLabs? Para narración plana, lo bastante cerca como para que la mayoría de los oyentes no lo note; para entrega emocional y clonación a partir de una muestra corta, no: eso es lo que venden los planes de pago.
¿Cuánto dura de verdad 10,000 créditos? Una sola pasada por un guion de 1,500 palabras, sin margen para repetir tomas. Presupóstalo como una muestra, no como una sesión.
¿Tengo que dar una tarjeta? No para el plan Free de ElevenLabs. El nivel gratuito de Azure sí necesita una cuenta con facturación asociada, aunque el uso se mantenga gratuito.
Paso 3: ejecuta tú mismo el modelo
Cuando se agotan las cuotas, el techo desaparece si alojas tú el modelo. Dos proyectos abiertos cubren casi todos los casos.
Kokoro es un modelo de 82 millones de parámetros con pesos bajo licencia Apache, ocho idiomas y 54 voces en la v1.0, y funciona en hardware corriente; mil caracteres de entrada equivalen a un minuto de salida, y las APIs de alquiler lo sirven por menos de un dólar por millón de caracteres. Piper toma el otro equilibrio: pip install piper-tts, con licencia GPL, incorporando espeak-ng para la pronunciación, lo bastante rápido para funcionar en tiempo real en un portátil y ya usado por Home Assistant y NVDA. Es el más robótico de los dos; Kokoro es el que más se acerca a la calidad comercial en narración neutra.
Ninguno clona una voz concreta a partir de una muestra de diez segundos como hacen los planes de pago de ElevenLabs, y la configuración cuesta una tarde de Python. Pero una vez que funciona, no hay factura mensual ni medidor por carácter.
Dónde suele salir mal el trabajo con voz gratuita
Confundir créditos con minutos. Un mes de 10,000 créditos son diez minutos, no diez mil. Convierte a minutos antes de planificar, no después.
Publicar audio sin licencia. Los planes gratuitos que se reservan los derechos comerciales son la norma. Genera tu muestra en un plan gratuito; regístrate en el plan de pago antes de la primera subida que te reporte dinero.
Renderizar en una sola toma. Un nombre mal pronunciado arruina toda la generación. Divide el guion en párrafos para que solo se rehaga la línea defectuosa.
Qué hacer a continuación
Ajusta la ruta al trabajo y detente ahí. Para escuchar, corregir o accesibilidad: las voces del sistema ya están instaladas y son gratuitas para siempre. Un archivo puntual de menos de unas 1,500 palabras: ElevenLabs Free, o los 500,000 caracteres de Azure si la salida necesita licencia. Cualquier cosa más larga, recurrente o privada: instala Kokoro y toma esa tarde de configuración como el precio de no volver a pagar nunca más.
Para los planes de pago en sí, consulta la página de la herramienta ElevenLabs y la guía de alternativas a ElevenLabs; el recopilatorio de generadores de voz con IA gratuitos cubre la letra pequeña de las licencias.
Recopilado a partir de páginas públicas de precios y productos (elevenlabs.io, Microsoft Azure Speech, Hugging Face, GitHub) a comienzos de octubre de 2026. Los precios y los planes gratuitos cambian; consulta los sitios oficiales. Esta guía es independiente y no acepta pagos por aparecer.