Ajustes de Traducir audio: reconocimiento, traducción y locución
Qué hace cada opción en los ajustes de Traducir audio, cuánto cuesta y cuándo se aplica: reconocimiento de voz, modelo de traducción, voces estándar y clonadas.
Actualizado el 2 de noviembre de 20265 min de lectura
Para abrir los ajustes, toca el icono de configuración (deslizadores) en la esquina superior derecha de Traducir audio. El panel tiene tres pestañas: Reconocimiento, Traducción y Locución. La app recordará tus preferencias para las siguientes grabaciones.
Cuándo entra en vigor un cambio
Cada pestaña se aplica en un momento diferente, por lo que un cambio no siempre afecta al resultado que ya está en pantalla.
| Pestaña | Se aplica a |
|---|---|
| Reconocimiento | el siguiente archivo que elijas |
| Traducción | solo a traducciones repetidas: cuando cambias el idioma de destino o editas el texto de origen. La primera traducción de un archivo nuevo siempre usa Gemini 3.8 Flash |
| Locución | la próxima vez que toques reproducir |
Reconocimiento: quién convierte la voz en texto
ElevenLabs Scribe es la opción predeterminada y más económica. El idioma de la grabación siempre se detecta automáticamente.
| Opción | Qué indica la app al respecto | Tiempo | Precio |
|---|---|---|---|
| ElevenLabs Scribe | preciso con acentos y ruido de fondo, 99 idiomas | ≈ 3 s | unos 0.7 tokens por minuto |
| OpenAI Transcribe | mejor con términos técnicos y nombres propios | ≈ 5 s | unos 1.2 tokens por minuto |
| OpenAI Whisper | una opción para grabaciones largas | ≈ 10 s | unos 1.2 tokens por minuto |
El proveedor elegido aquí también se utiliza en Transcripción de texto, que no cuenta con ajustes propios.
Traducción: qué modelo traduce
El modelo cuesta fracciones de un token por cada 1,000 caracteres, por lo que la elección depende de la calidad y la velocidad.
| Modelo | Ideal para |
|---|---|
| Gemini 3.8 Flash (predeterminado) | la mejor calidad, maneja lenguaje informal, modismos y texto complejo |
| Gemini Flash Lite | el más rápido, pero puede ser menos preciso con expresiones coloquiales y tono emocional |
| GPT 6 Luna | una alternativa económica para la mayoría de los textos |
Locución sin clonación
Las voces estándar leen la traducción de forma rápida y económica, pero no suenan como quien habla originalmente. En Traducir audio cada una cuenta con una voz fija que no se puede cambiar.
| Opción | Carácter | Tiempo | Precio |
|---|---|---|---|
| ElevenLabs | la entonación más realista de las voces predefinidas | ≈ 2 s | 10 tokens por cada 1,000 caracteres, mínimo 1 token |
| OpenAI | voz neutra sin emociones marcadas, para noticias y lecciones | ≈ 5 s | 1.8 tokens por cada 150 palabras iniciadas |
Locución con clonación
Las opciones de clonación locutan la traducción con la voz de tu grabación. MiniMax y Qwen 3 toman la voz de los primeros 60 segundos del archivo, así que esos segundos deben incluir la voz clara de una sola persona.
| Opción | Grabación mín. | Idiomas | Tiempo | Precio |
|---|---|---|---|---|
| MiniMax (marcado recomendado) | 10 s | 38 | ≈ 10 s | 180 tokens por clonar más 12 tokens por cada 1,000 caracteres |
| Qwen 3 | 3 s | 10: alemán, chino, coreano, español, francés, inglés, italiano, japonés, portugués, ruso | ≈ 20 s | unos 20 tokens por cada 1,000 caracteres, mínimo 5; con una voz guardada unos 11 |
| ElevenLabs Dubbing v2 | ninguno, hasta 2.5 horas | 94 | ≈ duración del audio | 4.4 tokens por segundo de grabación |
Opciones de MiniMax
Clonar desde archivo: una clonación de una sola vez para esta traducción. Mi voz de MiniMax: una de tus voces guardadas, sin el costo de 180 tokens por clonación.
Velocidad: de 0.5x a 2.0x. Un valor más alto hace que hable más rápido.
Emoción: Automático (recomendado), Feliz, Triste, Enojado, Temeroso, Sorprendido, Calmado o Con disgusto.
La traducción debe tener hasta 10,000 caracteres.
Si cambias la velocidad o la emoción y vuelves a generar la locución del mismo resultado, los 180 tokens no se cobran por segunda vez.
Opciones de Qwen 3
Clonar desde archivo o Mi voz de Qwen.
Estilo de voz: Automático, Lento, Rápido, Calmado, Enérgico, Profesional, Amigable o Suave. Solo funciona con Clonar desde archivo.
Si la clonación de Qwen falla, la app genera la locución con una voz estándar y muestra «La clonación de voz no está disponible en este momento. Se usó una voz estándar».
ElevenLabs Dubbing v2
Dubbing v2 dobla la grabación original directamente y no lee el texto de la pestaña Traducción. Mantiene el ritmo y el timbre de la voz, y locuta a cada hablante por separado. Por eso, los cambios que hagas en la traducción no se aplican: «El doblaje usa la grabación original, por lo que el texto editado no se aplica». Las voces guardadas no funcionan con Dubbing v2.
Qué pasa si no eliges una voz
Hasta que elijas una opción de locución en este panel, la app seleccionará una cuando toques reproducir.
Para los 10 idiomas de Qwen 3 y grabaciones a partir de 3 segundos, la voz se clona con Qwen 3 sin preguntar.
Para otros idiomas, la app pregunta ¿Clonar voz? mostrando el precio de la opción más económica, MiniMax o Dubbing v2. Usar voz IA significa usar una voz estándar. Con No volver a preguntar se guardará tu respuesta.
Cualquier opción que toques en el panel se mantendrá para los siguientes archivos, siempre que sea compatible con su idioma y duración.
Si una opción no es compatible con la grabación actual, se mostrará en gris con una pista como «idioma no compatible» o «se requieren ≥ 10 s de audio». Si cambias a un idioma que la opción elegida no admite, la app cambiará la locución a ElevenLabs.
Voces guardadas
Una voz guardada te permite locutar traducciones con tu propia voz incluso cuando otra persona habla en la grabación. Hay dos formas de obtener una.
Después de una locución con Clonar desde archivo, toca Guardar voz en la sección ¿Qué sigue? Una voz de MiniMax guardada de esta manera no te cobrará 180 tokens la próxima vez.
Agrega una voz en Ajustes → Mis voces. Consulta Cómo grabar o subir una muestra de voz.
Si la locución no suena bien, puedes ver las causas y soluciones en Por qué la voz traducida suena robótica. Los problemas y fallas se explican en Error o bloqueo en la locución de Traducir audio.
Contactar a soporte
Describe el problema y te responderemos por correo. Adjunta el nombre del archivo o ID de la tarea si lo tienes.