ElevenLabs para canal faceless: la voz es 1 de 9 piezas del video (el costo real en 2026)

ElevenLabs es uno de los mejores generadores de voz con IA del mercado, y quien busca una voz de IA para YouTube suele terminar allí por una buena razón. Las voces transmiten emoción, el ritmo suena humano, el modelo multilingüe maneja bien los acentos y la clonación permite narrar con una copia de la propia voz. Nada en esta guía dice lo contrario. La pregunta es más concreta: qué estás comprando exactamente cuando el objetivo es un canal de YouTube que publica cada semana, y no una locución suelta.

Según su página de precios en septiembre de 2026, ElevenLabs vende créditos, y en texto a voz un crédito es un carácter. El plan Free da 10.000 créditos al mes, unos 10 minutos de audio, sin licencia comercial. El Starter cuesta US$ 6 al mes por 30.000 créditos, unos 30 minutos, con licencia comercial y clonación instantánea de voz. El Creator cuesta US$ 22 al mes, con el primer mes a mitad de precio, por 121.000 créditos, unos 121 minutos, y suma la clonación profesional de voz. El Pro cuesta US$ 99 al mes por 600.000 créditos, unos 600 minutos. El Scale cuesta US$ 299 al mes por 1.800.000 créditos, y el Business US$ 990 al mes por 6.000.000 de créditos.

En el modelo Multilingual v2, texto a voz cuesta 1 crédito por carácter. Los modelos más rápidos, Flash y Turbo, cuestan entre 0,5 y 1 crédito por carácter. Los precios y las cuotas de las herramientas de IA cambian a menudo, así que revisa la página el día que vayas a decidir. El patrón, sin embargo, es estable: la unidad que pagas es texto convertido en audio, carácter por carácter, y cada vez que conviertes el mismo texto en audio otra vez, pagas otra vez.

Esa unidad es justa para el trabajo para el que nació la herramienta: un capítulo de audiolibro, la apertura de un podcast, la voz de un personaje de videojuego, una demo de producto, una locución suelta para un video que tú mismo estás editando. En todos esos casos, el audio es la entrega. En un canal de YouTube el audio es una pista en la línea de tiempo, y la entrega es el video terminado, publicado en su fecha. La diferencia aparece en cuanto haces la cuenta de un mes.

La narración va a unas 150 palabras por minuto. Un video de doce minutos, una duración normal en nichos de historia, finanzas, true crime, curiosidades o explicación, donde el tiempo de visualización es la moneda, necesita unas 1.800 palabras de guion. En inglés una palabra media con su espacio ronda los seis caracteres, así que 1.800 palabras son entre 10.000 y 11.000 caracteres; en español, con palabras algo más largas, la cuenta queda igual o un poco por encima. En Multilingual v2, a 1 crédito por carácter, eso son unos 11.000 créditos para una pasada limpia de un video.

Las pasadas limpias son raras. Un párrafo vuelve con el énfasis en la palabra equivocada, un nombre propio sale mal pronunciado, un número se lee como una fecha, la energía cae al final de una frase larga. Cada corrección significa generar ese párrafo otra vez, y cada nueva generación vuelve a consumir caracteres. En la práctica conviene presupuestar entre 1,3 y 1,5 veces el largo del guion, lo que deja un video de doce minutos entre 14.000 y 16.500 créditos.

Ahora el mes. Un canal faceless modesto publica dos videos por semana, ocho al mes. Son unos 88.000 créditos de narración en bruto, y entre 115.000 y 130.000 con las repeticiones. El Starter, con 30.000 créditos, cubre unos dos videos. El Creator, con 121.000, queda en el límite: solo cierra el mes si las repeticiones se mantienen cerca del mínimo. El Pro, con 600.000, cubre el calendario con holgura, con espacio para unos 36 a 42 videos. Pasar a Flash o Turbo recorta los créditos por carácter hasta la mitad, lo que en el mejor caso duplica la cantidad de videos.

En dinero, la voz es barata. En el Creator, 16.500 créditos equivalen a unos US$ 3 de la cuota mensual, y en el Pro a unos US$ 2,70. Incluso frente a un locutor profesional gana por mucho, una comparación hecha línea por línea en el costo de narración con IA o locutor. El problema no es el precio de la voz. Es todo lo que la voz no incluye.

ElevenLabs entrega un archivo de audio. Un video de canal faceless es ese archivo más otras ocho capas, y ninguna está en los créditos que pagaste. Esto es lo que la gente descubre después de la primera exportación: una narración perfecta de doce minutos está en la línea de tiempo, la pantalla está en negro y el trabajo de verdad todavía no empezó.

Cada pieza es una tarea, y cada tarea tiene un costo en horas o en freelancers cuando se hace a mano:

• Investigación: hechos, números y ángulo antes de escribir una línea, de una a tres horas para un video de doce minutos.
• Guion: 1.800 palabras con gancho, bucles abiertos y cierre; un guionista freelance cobra de US$ 15 a 50 por video.
• Escenas y ritmo de corte: imágenes de banco, imágenes generadas, movimiento y un corte cada pocos segundos, la parte más lenta del trabajo; un editor freelance cobra de US$ 30 a 150 por video.
• Música y diseño de sonido: una pista que acompañe el clima, efectos en las transiciones y una mezcla donde la voz quede por encima del fondo.
• Subtítulos, idealmente estilo karaoke y sincronizados palabra por palabra, porque mucha gente mira con el sonido bajo o apagado.
• Miniatura: la imagen que decide el clic antes de que alguien escuche la voz, de US$ 5 a 20 por video con un freelance.
• SEO del video: título, descripción, etiquetas y capítulos escritos para la búsqueda, no para el oído.
• Programación y publicación: la subida, los metadatos, la fecha en el calendario y el mismo video repetido en otras redes.

Pon los números uno al lado del otro. Un video faceless de doce minutos hecho a mano lleva unas 6 a 10 horas sumando todas las etapas. La narración con ElevenLabs ocupa quizá de 20 a 40 minutos de eso, repeticiones incluidas. El resto es investigación, escritura, edición, sonido, subtítulos, portada, SEO y subida. En dinero, la voz cuesta unos US$ 3 por video en el Creator, mientras que los freelancers de guion, edición y miniatura suman de US$ 50 a 220 por video.

En un mes de ocho videos, la versión manual son unas 48 a 80 horas de trabajo, o de US$ 400 a 1.760 en freelancers, además del plan de voz. La voz es la línea más pequeña de esa cuenta. Cambiarla por una voz mejor o más barata casi no mueve el total, y esa es la trampa de elegir la herramienta del canal comparando generadores de voz con IA.

Ese es también el techo manual. A 6 a 10 horas por video, una persona con trabajo fijo lleva un canal a dos videos por semana y se queda ahí. Un segundo canal o un segundo idioma duplica las horas. El techo no es la voz. Son las ocho piezas alrededor de ella, hechas una tras otra, a mano.

El techo cae cuando las piezas corren en paralelo. En FalconVid la voz es uno de los especialistas de IA de una línea de producción: el investigador, el guionista, el narrador, el editor y el diseñador de sonido trabajan en el mismo video a la vez, y queda listo en hasta 30 minutos. Las horas salen de la edición y pasan a la única decisión que es tuya: aprobar el calendario. Desde ahí los videos se publican solos en sus fechas.

En FalconVid, la plataforma de canales en piloto automático, la narración no es una suscripción aparte. Es el narrador de la línea de producción. Para cada video el investigador reúne los hechos antes de que exista el guion, el guionista escribe con la duración que defines, el narrador lee con una voz premium ultrarrealista o con tu voz clonada, el editor arma las escenas para que coincidan con las palabras, el diseñador de sonido pone música y efectos de la biblioteca, y los subtítulos salen estilo karaoke en más de 15 estilos. La miniatura, el SEO del video y los Shorts 9:16 salen de la misma tanda.

La unidad también cambia. La narración en FalconVid se cobra por minuto de video, no por carácter ni por intento. Las voces premium cuestan 24 créditos por minuto, así que un video de doce minutos son 288 créditos de narración. Las voces económicas, las Voces IA FalconVid, cuestan 3 créditos por minuto, así que los mismos doce minutos son 36 créditos. Y esos créditos ya están dentro del costo del video terminado, no en una cuenta aparte. La página de narración con IA muestra las voces, la clonación y los 63 idiomas de narración.

Como el precio es por minuto de video y no por voz, una segunda voz cuesta cero extra. Un documental con narrador y entrevistado, una historia con tres personajes, un formato de debate con dos presentadores: cada personaje recibe una voz propia, y la cuenta de la narración es la misma que con un solo narrador. En el modelo por carácter, cada voz extra son más caracteres y más repeticiones.

La clonación viene incluida. El clon rápido es gratis, y el clon pro existe para quien quiere su propia voz con más fidelidad. La voz, el estilo y la estructura del canal quedan guardados en el ADN del canal, su identidad persistente, así que el video 1 y el video 200 suenan como el mismo presentador. Y el canal no nace de una página en blanco: el Spy mapea lo que ya monetiza en el nicho, así que no empiezas de cero, empiezas desde lo que ya monetiza. Si una primera versión necesita un ajuste, el Studio te deja verla y acortar la introducción, cambiar una escena, cambiar la música o abrir la línea de tiempo.

En la regla de hoy, un video de doce minutos cuesta 1.731 créditos en económico, 4.597 en balanceado y 16.131 en premium, e incluye investigación, guion, narración, escenas, edición, música, subtítulos y miniatura. El económico arma las escenas con imágenes de banco en movimiento; el premium genera escenas cinematográficas con motores como Veo 3 con audio y Seedance Pro. Son créditos de FalconVid, una unidad distinta de los créditos de ElevenLabs, pero el contraste muestra dónde está el peso de cada modelo: en uno, la voz es todo el producto; en el otro, el producto es el video entero.

Plan por plan: el Starter, con 15.000 créditos, 1 canal y 2 generaciones simultáneas, produce 8 videos de doce minutos en económico o 3 en balanceado, así que el calendario de ocho videos del inicio de esta guía cabe en económico. Una mezcla honesta es 2 balanceados y 3 económicos, 14.387 de 15.000 créditos. El Pro, con 30.000 créditos, 5 canales y 5 generaciones simultáneas, produce 17 videos en económico, 6 en balanceado o 1 en premium; una mezcla de 4 balanceados y 6 económicos son 28.774 créditos. Del Pro hacia arriba llegan también el servidor dedicado y el Analista Sénior de IA, una persona fija con nombre, cara y voz que lee tu cuenta y te escribe cada 2 días.

El Business, con 95.000 créditos, 10 canales y 10 generaciones simultáneas, produce 54 videos en económico, 20 en balanceado o 5 en premium. El Agency, con 190.000 créditos y 25 canales, produce 109, 41 u 11. El Scale, con 320.000 créditos y 50 canales, produce 184, 69 o 19. Nadie hace un mes en un solo modo; mezclas, y la estimación en créditos aparece antes de generar cada video, así que el mes se planifica, no se descubre.

El idioma es donde más crece el modelo por carácter, porque cada idioma nuevo es otro guion, otros caracteres y otras repeticiones. En FalconVid un proyecto se duplica a otro idioma reutilizando los medios ya generados: solo se rehacen la narración y los subtítulos, y pagas solo la diferencia. Qué mercados pagan mejor por el mismo video está en los mejores idiomas para narración con IA.

Donde la producción manual se detiene en dos videos por semana en un solo canal, el pipeline produce varios videos a la vez, hasta el límite de generaciones simultáneas de tu plan, y varios canales a la vez, cada uno con su voz, su idioma y su calendario.

ElevenLabs es la compra correcta cuando el audio es la entrega. Audiolibros, podcasts, doblaje de un video que ya editaste, la voz de un videojuego o de una app, la narración de un curso en el que controlas todas las demás capas. También es una elección sensata para el editor que ya tiene su línea de producción armada y solo necesita la pista de voz: a unos US$ 3 por narración de doce minutos, es difícil de superar.

La señal de que estás en la herramienta equivocada es el calendario. En el momento en que el objetivo pasa a ser un canal faceless que publica cada semana, acumula horas de visualización y gana con anuncios, la unidad cambia de caracteres de audio a videos publicados en fecha. Ahora necesitas investigación, guion, escenas, música, subtítulos, miniatura, SEO y publicación todas las semanas, y la voz ocupa alrededor del 5 por ciento de las horas.

La elección de la voz sigue importando, y mucho. El tono que sostiene a una audiencia de true crime no es el que sostiene a una de finanzas, y una voz equivocada cuesta retención en cada video. Cómo encajar la voz con el nicho, con ejemplos, está en qué voz de IA elegir. La clave es que esa elección se hace una vez, en el ADN del canal, y no otra vez en cada video.

Una prueba simple: cuenta cuántos videos quieres publicar en los próximos 90 días. Si son tres locuciones para videos que vas a editar de todos modos, ElevenLabs gana. Si son veinticuatro videos terminados de doce minutos, estás llevando un canal, y un canal es un calendario que apruebas, no un saldo de créditos que racionas.

El primero es monetizar audio de un plan sin licencia comercial. Según la página de precios de ElevenLabs, el plan Free no la incluye, así que el audio generado allí no debería ir a un canal monetizado. Revisa la licencia de cualquier herramienta de voz antes de la primera subida, no después del primer pago.

El segundo es cambiar la voz a mitad de camino. La audiencia crea un vínculo con una voz tanto como con una cara, y un canal que cambia de narrador cada pocas semanas reinicia ese vínculo cada vez. Si el cambio es inevitable, hay una forma correcta de hacerlo, paso a paso, en cambiar la voz del canal.

El tercero es presupuestar el guion y olvidar las repeticiones. Un mes planificado en 88.000 créditos que en la práctica consume 125.000 se acaba en la tercera semana, casi siempre justo antes del video que importa. En FalconVid la narración se cobra por minuto de video terminado, no por intento, y un nombre mal pronunciado se corrige sin volver a grabar toda la narración.

El cuarto es tratar la voz como si fuera el canal. Una voz excelente sobre una edición lenta, una miniatura genérica y un título escrito sin pensar en la búsqueda sigue perdiendo. La voz sostiene el segundo minuto; las otras ocho piezas ganan el clic, el primer minuto y el décimo. Por eso tienen que producirse juntas, cada semana, y no solo cuando sobra tiempo.