Traductor de audio con IA: de inglés a español, gratis o con tu voz
Traductor de audio con IA en 2026: cómo traducir notas de voz, podcasts y archivos de inglés a español gratis con Whisper, ElevenLabs o Google Translate.
En esta página
Un traductor de audio con IA hace dos cosas distintas según lo que tengas: con un archivo (nota de voz, podcast, grabación) transcribe y traduce el texto o dobla la voz al español; con alguien hablando delante, traduce en directo desde el micrófono. Para archivos, la ruta gratis es Whisper más un traductor de texto, y la ruta con voz es ElevenLabs Dubbing, que acepta archivos solo de audio y conserva el timbre del hablante. Para conversaciones, Google Translate con su modo Live translate es gratuito y funciona en Android e iOS.
Esta guía trata solo de audio. Si es un video con imagen y quieres doblarlo o sincronizar labios, ve a la guía de traducir y doblar videos con IA. Para todo lo demás sobre voz sintética, el punto de partida es el tema voz y audio con IA.
¿Qué traductor de audio necesitas según tu caso?#
Antes de buscar «el mejor traductor de audio», aclara qué tienes y qué quieres recibir. Un archivo grabado y una conversación en vivo usan herramientas distintas, y muchas apps de directo no aceptan archivos.
| Herramienta | Entrada | Salida | Conserva la voz | Gratis |
|---|---|---|---|---|
| ElevenLabs Dubbing | Archivo de audio o video, URL | Audio en español | Sí | 10.000 créditos/mes, con marca de agua |
| Whisper (código abierto) | Archivo | Texto (traducción solo a inglés) | No | Sí, local |
| Gemini (app o API) | Archivo + prompt | Texto | No | Depende del plan |
| Google Translate Live translate | Micrófono en directo | Texto y voz | No | Sí |
| DeepL Voice | Reuniones y conversaciones en directo | Subtítulos y voz | Sí | Solo prueba |
| Microsoft Translator | Conversación multidispositivo | Texto y voz | No | Precio no publicado |
| Notta | Archivo o grabación | Transcripción | No | 120 min/mes |
Si necesitas oír el resultado en español con la misma voz, ElevenLabs Dubbing es la única opción verificada que acepta archivos solo de audio. HeyGen también re-voza con la voz original en su motor Audio Only, pero su centro de ayuda documenta solo entradas de video (MP4, MOV, WEBM) y deja la descarga de solo audio para Enterprise.
Traducir un audio con IA: transcribir → traducir → revoz#
La ruta manual tiene tres pasos y te da control sobre cada uno. Es la que conviene cuando el texto importa más que la voz: una entrevista que vas a citar, una clase, un audio con términos técnicos.
- Transcribe en inglés. Usa Whisper en tu equipo (gratis, licencia MIT) o la API de OpenAI, que acepta archivos de hasta 25 MB en mp3, m4a, wav, ogg, flac, webm y otros. Por qué primero el texto: así ves qué entendió la máquina antes de que el error se traduzca. La guía de transcribir video y audio a texto compara más servicios.
- No uses la tarea ’translate’ de Whisper. Solo traduce hacia el inglés, y el modelo turbo devuelve el idioma original. OpenAI, además, retira whisper-1 y el endpoint /v1/audio/translations de su API el 26 de febrero de 2027.
- Traduce el texto con ChatGPT, Gemini o un traductor de texto. Por qué aparte: puedes pedir registro (tú o usted), variante (México o España) y una lista de nombres propios que no deben traducirse.
- Genera la voz solo si la necesitas, con un texto a voz con IA como ElevenLabs. La clonación instantánea de voz empieza en el plan Starter.
Para archivos largos, la API de Gemini admite hasta 9,5 horas de audio por petición (20 MB si va incrustado en la petición; más con la Files API), y Google lista la traducción entre sus usos.
¿Cómo traducir audio de inglés a español gratis?#
Traducir audio de inglés a español gratis es posible si aceptas límites de minutos, marca de agua o trabajo manual. Esto es lo que da cada plan sin pagar, según sus páginas oficiales (noviembre de 2026):
| Servicio | Límite gratis | Trampa |
|---|---|---|
| Whisper | Ilimitado en local | Requiere instalarlo; traduce solo a inglés |
| ElevenLabs | 10.000 créditos/mes (unos 10 min de texto a voz) | Doblaje con marca de agua, sin clonación ni uso comercial |
| Google Translate | App gratuita | Solo voz en directo, no archivos |
| Azure Speech (F0) | 5 h/mes de traducción de voz | Es una API para desarrolladores |
| Notta | 120 min/mes, 50 archivos | Máximo 3 min por conversación |
| Rask AI | 3 minutos, una sola vez | Es una prueba, no un plan |
La combinación gratis más completa para un archivo en inglés es Whisper local para transcribir y un chat de IA para traducir el texto. Si además quieres voz, los 10.000 créditos mensuales de ElevenLabs alcanzan para clips cortos. Los planes de pago de ElevenLabs empiezan en 6 USD al mes con Starter, sin marca de agua en el doblaje (precios de noviembre de 2026, página de precios de ElevenLabs).
Traducir notas de voz y podcasts#
Una nota de voz de WhatsApp o un episodio de podcast son archivos, así que sirven las dos rutas anteriores. La elección depende de si vas a leer o a escuchar.
- Nota de voz corta que solo quieres entender: transcríbela y traduce el texto. Notta, en su plan gratis, corta a los 3 minutos por conversación; Whisper local no tiene ese tope.
- Podcast que quieres publicar en español: ElevenLabs Dubbing acepta archivos de hasta 1 GB y 180 minutos en la app (Dubbing Studio, el editor fino, baja a 45 minutos). En la API cuesta 0,50 USD por minuto de audio original sin marca de agua en Dubbing v1 y 2,20 USD por minuto en v2.
El orden en ElevenLabs Dubbing es: abrir Dubbing, subir el archivo o pegar una URL, elegir español (con variante regional en v2), ajustar Speaker similarity si quieres más o menos parecido, revisar el coste mostrado y confirmar. Si el podcast tiene música o ruido de calle, límpialo antes: la guía para mejorar audio con IA explica cómo aislar la voz.
Traducción de voz en directo: conversaciones y reuniones#
Aquí no hay archivo, hay alguien hablando. Las opciones cambian por completo:
- Google Translate (Android e iOS): el modo Live translate tiene variantes Listening, Conversation y Text only, detecta cuándo cambia el idioma y sigue traduciendo en segundo plano. Desde junio de 2026 usa Gemini 3.5 Live Translate, con más de 70 idiomas y conservando entonación y ritmo. Sin conexión, solo en Pixel 9, 10 y 11, con el par inglés-español incluido.
- iPhone con AirPods: la traducción en vivo pide iPhone 15 Pro o posterior, iOS 26, Apple Intelligence activado y AirPods compatibles (AirPods 4 con cancelación de ruido, AirPods Pro 2 o 3, entre otros). Se procesa en el iPhone.
- DeepL Voice: para reuniones en Teams, Zoom y Google Meet o conversaciones cara a cara, en más de 40 idiomas. En la versión europea de su web, el plan Individual cuesta 7,49 € al mes con facturación anual e incluye 30 minutos de Voice.
- Microsoft Translator: conversación entre varios dispositivos con un código o QR, y modo de pantalla dividida para dos personas con un solo teléfono.
Ninguna de estas apps de directo traduce un archivo de audio que ya tengas grabado.
¿Cómo traducir el audio de un video de YouTube?#
Para traducir YouTube al español sin descargar nada, revisa primero lo que ofrece la plataforma:
- Doblaje automático: si el creador lo tiene activado, el video aparece como «auto-dubbed» y puedes cambiar la pista de audio a español desde el reproductor. YouTube lo aplica a videos en inglés de hasta 120 minutos.
- Idioma de audio preferido: configúralo en YouTube para que el doblaje se use por defecto.
- Subtítulos: si no hay doblaje, activa CC. Para traducir subtítulos propios o generarlos desde cero, mira la guía de subtítulos automáticos con IA.
- Doblaje propio: pega la URL en ElevenLabs Dubbing (pestaña Paste URL), solo si tienes derechos sobre ese contenido.
Si lo que buscas es entender un video largo sin verlo entero, a veces basta con resumir el video de YouTube con IA.
¿Se puede conservar tu voz al traducir?#
Sí. Los servicios de doblaje con clonación reconstruyen el timbre del hablante en el idioma de destino. ElevenLabs Dubbing conserva emoción, timing y tono de cada hablante, con un control Speaker similarity de 0 a 10. Rask AI traduce a más de 135 idiomas y clona la voz en 57, con planes desde 39 USD al mes por 25 minutos (precios de Rask AI, noviembre de 2026).
Clonar una voz que no es la tuya exige el consentimiento de esa persona. Antes de traducir la entrevista de otro con su propia voz, lee la guía de clonar voz con IA, que repasa permisos y leyes. Si lo que quieres es otra voz distinta, no una copia, la guía de cambiar la voz con IA cubre esa ruta, y la ficha de ElevenLabs detalla planes y créditos.
Privacidad: qué pasa con tu voz cuando la subes#
Una grabación de voz identifica a quien habla y basta para clonarla, así que conviene saber qué hace cada servicio con ella:
- ElevenLabs: según su política de privacidad, usa entradas y salidas, incluida la voz, para entrenar modelos, salvo que desactives el uso en el menú «Data use». El opt-out solo vale desde ese momento.
- Gemini: con «Keep Activity» activado, lo que subes puede usarse para entrenar; con la actividad desactivada o en chat temporal no, y se guarda 72 horas.
- DeepL Voice: declara que nunca usa tus datos para entrenar y que en reuniones procesa en memoria y borra al terminar.
- Whisper local y Apple: el audio no sale de tu equipo o de tu iPhone.
Para audios confidenciales (consultas médicas, reuniones internas), la opción más segura es Whisper en tu propia computadora.
Precisión: acentos, nombres y jerga#
El propio centro de ayuda de YouTube advierte que su doblaje automático falla con acentos, dialectos, ruido de fondo, nombres propios, modismos y jerga. Los demás servicios sufren los mismos problemas, porque todos parten de una transcripción.
| Síntoma | Causa probable | Solución |
|---|---|---|
| Nombres propios mal escritos o traducidos | El reconocimiento de voz no los conoce | Corrige la transcripción y pasa al traductor una lista de nombres fijos |
| Frases inventadas en tramos con ruido | Música o ruido bajo la voz | Aísla la voz antes de transcribir |
| Resultado en inglés aunque pediste español | Usaste la tarea ’translate’ de Whisper | Transcribe en inglés y traduce el texto aparte |
| Voces mezcladas en una entrevista | Hablantes que se pisan | Divide el audio por hablante o usa doblaje con detección de hablantes |
| Doblaje con marca de agua | Plan gratis de ElevenLabs | Plan de pago o ruta texto + TTS propio |
| Español de España cuando querías de México | Variante por defecto | Elige es-MX en Dubbing v2 o pídelo al traducir el texto |
Revisar la transcripción antes de traducir corrige más errores que cambiar de traductor.
Límites reales de la traducción de audio con IA#
- Los modismos se traducen literal. Un chiste o una frase hecha en inglés puede llegar sin sentido al español; nadie lo detecta mejor que un hablante nativo.
- Los límites de archivo no coinciden entre páginas. ElevenLabs indica 1 GB para la app en su documentación técnica y menos de 2 GB para Dubbing v2 en su guía de producto; trabaja con la cifra conservadora.
- Los minutos de doblaje por plan no están publicados en la página de precios de ElevenLabs: el coste exacto lo ves antes de confirmar cada trabajo.
Desde el oficio, una regla: si el audio va a publicarse, una persona que hable los dos idiomas escucha el resultado completo antes de subirlo.