TTSMaker gratis y Amazon Polly para tu empresa: voces en español y precios

Respuesta corta: para texto a voz gratis, TTSMaker. Para la voz más natural, ElevenLabs. Para locuciones de centralita y avisos pagando céntimos por uso, o para integrarlo en una app, Amazon Polly. Para música de fondo para vídeos, Ecrett Music. Para canciones completas con voz, Suno o Udio. Para masterizar, Songmastr. Para podcasts, Podcastle.

En audio, la pregunta clave no es la calidad, sino la licencia: qué puedes hacer con lo que generas. Una voz preciosa que no puedes usar en un anuncio no te sirve.

Cómo elegir

1. Licencia de uso: personal, comercial, con atribución, sin ella.
2. Naturalidad en español: acentos, entonación, números y siglas.
3. Límites: caracteres al mes en voz, canciones al día en música.
4. Formato: MP3, WAV, pistas separadas.
5. Clonación de voz: si la herramienta clona voces, exige consentimiento de la persona.

Texto a voz

TTSMaker

TTSMaker convierte texto en voz en el navegador: pegas el texto, eliges idioma y voz, y descargas el audio. Tiene más de 100 idiomas y una lista larga de voces en español.

• Voces en español: de España, México, Argentina, Colombia y Perú, entre otras. Si tu público es latinoamericano, elige una voz de esa región: el acento cambia mucho la percepción.
• ¿Es gratis? Sí, con límites: 20.000 caracteres por semana, y algunas voces marcadas como «ilimitadas» no gastan ese cupo. Cada voz tiene su propio límite por conversión; en español va de 300 a varios miles de caracteres, y su página de precios habla de 500 para el plan gratuito, así que prueba con tu texto antes de contar con más. Hay captcha y anuncios, y el archivo se borra del servidor a los 30 minutos: descárgalo enseguida.
• Ajustes gratis: velocidad (de 0,5x a 2x), volumen, tono, pausas entre párrafos y calidad estándar o alta. Los valores personalizados son de pago.
• Uso comercial: su web dice que puedes usar el audio con fines comerciales, también en el plan gratuito, en YouTube, TikTok o podcasts, sin atribución obligatoria y cumpliendo las leyes locales.
• De pago: planes Lite, Pro Mini, Pro Max y Studio. El 26 de octubre de 2026, Lite costaba 9,99 dólares al mes con pago anual (13,99 dólares mes a mes), con 300.000 caracteres al mes. La API y el editor de diálogos con varias voces empiezan en Pro Mini. Precios en dólares: los impuestos y el cargo final dependen de tu país.
• Para quién: vídeos para redes, presentaciones, accesibilidad, practicar pronunciación.
• La pega: algunas voces suenan robóticas, sobre todo con números, siglas y nombres propios. Prueba una frase con «3,5 %», «IVA» o el nombre de tu marca antes de convertir un guion largo.

Amazon Polly

Amazon Polly es el servicio de texto a voz de Amazon Web Services (AWS, la nube de Amazon): escribes un texto y te devuelve el audio. Se paga por carácter convertido, sin cuota mensual. Lo usan desarrolladores dentro de apps, pero también se puede usar sin programar: desde la consola de AWS (la web de administración de tu cuenta) escribes el texto, lo escuchas y lo guardas como archivo de audio.

El caso: una clínica dental de Valencia cambia el mensaje de su centralita cuatro veces al año: vacaciones, horario de verano, campañas. Cada cambio con un locutor es un encargo, un presupuesto y unos días de espera. Con Polly, quien lleva recepción escribe el texto nuevo, prueba dos o tres voces y sube el audio a la centralita esa misma mañana.

Un juego de locuciones típico —bienvenida con menú («para pedir cita, pulse 1»), horario, mensaje de espera y aviso de vacaciones— ocupa unos 550 caracteres. Aunque repitas cada texto diez veces hasta que suene bien, son unos 22.000 caracteres al año.

Voces en español de España

Según la documentación de AWS (consultada el 12 de noviembre de 2026), hay seis voces de España (es-ES), y cada una funciona con unos motores concretos:

• Lucia y Sergio: neuronales y generativas. Son las que recomendamos probar primero para una centralita.
• Lucia, Conchita y Enrique: estándar, la opción más barata y la que más suena a máquina.
• Alba y Raúl: «long-form», pensadas para narraciones largas como audiolibros. Son las más caras y no aportan nada a un mensaje de 20 segundos.

Hay además voces de México (Mía, Andrés) y de español de Estados Unidos (Lupe, Pedro, Carlos, entre otras) si tu público está allí.

Qué significa cada tipo, sin jerga: la estándar pega trozos de voz grabada; la neuronal la genera una red neuronal y suena más natural; la generativa es el modelo más grande de Polly y el que más se parece a una persona. AWS avisa de que las voces generativas pueden sonar ligeramente distinto cuando actualizan el modelo: si grabas hoy la bienvenida y en verano el aviso de vacaciones, escúchalos seguidos antes de publicarlos.

Números, IVA, horarios y nombres propios. Es donde fallan todas las voces sintéticas. Polly permite corregir la pronunciación de nombres de empresa, siglas o palabras extranjeras con SSML (unas etiquetas que se añaden al texto) o con un diccionario de pronunciación. Sin tocar nada técnico, el truco que funciona es escribir como se dice: «de nueve a dos» en vez de «9:00-14:00», «veintiuno por ciento» en vez de «21 %». Prueba siempre una frase con tu horario, tu teléfono y el nombre de tu negocio antes de convertir todo.

Cuánto cuesta Amazon Polly

Precios oficiales por millón de caracteres en la página de precios de AWS, consultada el 12 de noviembre de 2026 (en dólares, sin impuestos):

Tipo de voz	Precio por millón de caracteres	Capa gratuita
Estándar	4 $	5 millones al mes
Neuronal	16 $	1 millón al mes, los primeros 12 meses
Long-form	100 $	500.000 al mes, los primeros 12 meses
Generativa	30 $	100.000 al mes, los primeros 12 meses

Las cuentas de la clínica, con esos precios: los 22.000 caracteres al año salen a unos 0,35 dólares con voz neuronal y 0,66 con generativa. Es decir, cabe de sobra en la capa gratuita y, sin ella, costaría menos de un euro al año. Si más adelante quisieras avisos de cita automáticos —30 llamadas al día de unos 150 caracteres, 22 días al mes—, serían unos 99.000 caracteres al mes: 1,58 dólares con neuronal o 2,97 con generativa. Esto último ya no se hace desde la consola: hace falta conectar Polly con tu centralita o tu programa de citas, y eso sí necesita a alguien técnico.

Son cálculos con el precio oficial, no una factura real. Si cambias el texto muchas veces, el coste sube, pero sigue siendo de céntimos.

¿Amazon Polly es gratis?

Al principio, casi siempre. La página de precios de Polly mantiene la capa gratuita de la tabla anterior. Además, desde el 15 de julio de 2025 las cuentas nuevas de AWS reciben hasta 200 dólares en créditos (100 al abrir la cuenta y hasta 100 más por probar servicios), que también valen para Polly.

La pega está en el tipo de cuenta. Al darte de alta eliges entre el plan gratuito de AWS, que se cierra solo a los seis meses o cuando se agotan los créditos, salvo que pases al de pago, y el plan de pago, que sigue abierto y cobra lo que supere los créditos. Para una centralita que vas a usar años, lo sensato es el de pago con una alerta de gasto: lo normal será no pagar nada o pagar céntimos.

Uso comercial y datos (RGPD)

• El audio es tuyo: según las preguntas frecuentes de Polly, el audio generado te pertenece y puedes guardarlo y reproducirlo tantas veces como quieras sin pagar de nuevo. Generas la locución una vez y la centralita la reproduce miles de veces.
• Dónde se procesa: eliges la región de AWS. Las voces neuronales de España están disponibles en la región de España (eu-south-2), en Irlanda, Fráncfort y París, entre otras; las generativas, en Europa solo en Fráncfort (eu-central-1) en el caso de Lucia y Sergio.
• Ojo con la mejora del servicio: AWS indica que puede guardar parte del texto que conviertes para mejorar Polly, incluso en otra región, salvo que te des de baja con una política de exclusión de servicios de IA en AWS Organizations o pidiéndolo a soporte. Para un mensaje de horario no importa. Para avisos con nombres de pacientes, sí: date de baja y revisa tu registro de tratamientos antes de empezar.

Cuándo compensa Polly

• Frente a TTSMaker: TTSMaker es más sencillo (no hay que crear una cuenta en la nube) y gratis con límites. Para cuatro locuciones al año, puede bastar. Polly compensa si quieres elegir la región donde se procesan tus datos o si algún día vas a automatizar avisos.
• Frente a ElevenLabs: ElevenLabs suena más natural y con más emoción; su plan gratuito es corto. Para una campaña de radio o un vídeo de marca, pruébalo. Para un menú de centralita, probablemente te baste una voz neuronal o generativa de Polly, que se paga por uso: escucha las dos antes de decidir.
• Frente a un locutor: si tu marca depende de una voz concreta o el mensaje es una pieza publicitaria, un locutor sigue ganando. Si lo que cambia es el horario, no.
• La pega de Polly: la consola de AWS está pensada para técnicos y hay que crear y vigilar una cuenta en la nube. Además, las centralitas suelen pedir un formato concreto de audio. Polly entrega MP3, OGG o PCM a 8, 16, 22 o 24 kHz; mira qué pide la tuya antes de exportar.

Si lo que quieres es que la centralita converse con el cliente y no solo reproduzca un mensaje, eso ya es un agente de atención: lo contamos en agentes de IA para empresas.

Qué hacer el lunes: escribe el texto de tu bienvenida y tu horario tal y como se dicen en voz alta, crea la cuenta de AWS con una alerta de gasto, abre Polly en la región de España o Fráncfort, prueba Lucia y Sergio en neuronal y generativa, y descarga la que mejor suene en el formato que pida tu centralita.

ElevenLabs

ElevenLabs tiene algunas de las voces sintéticas más naturales del mercado, clonación de voz, doblaje y efectos de sonido. Es la referencia para audiolibros, vídeos y asistentes de voz.

• Lo mejor: naturalidad y emoción.
• La pega: el plan gratuito es corto en caracteres; la clonación exige el permiso de la persona clonada.

Música

Ecrett Music

Ecrett Music crea música instrumental eligiendo escena, ambiente y género, sin saber nada de música. Después puedes cambiar instrumentos y estructura, y descargarla para vídeos, juegos o podcasts.

• ¿Es gratis? Crear sí; con el plan gratuito solo descargas una previsualización y el historial guarda tus 10 últimas pistas. Las descargas completas, el uso comercial y la monetización en YouTube van con los planes Individual o Business (verificado en su web el 25 de octubre de 2026).
• Para quién: youtubers, creadores de vídeos y presentaciones.
• La pega: resultados correctos pero poco memorables. La licencia no permite revender ni redistribuir los archivos de música sueltos.

Suno

Suno genera canciones completas —letra, voz e instrumentos— a partir de una descripción o de tu propia letra. El salto de calidad de los últimos años ha sido enorme.

• Para quién: jingles, canciones para eventos, prototipos musicales.
• La pega: el uso comercial depende del plan; los derechos de autor sobre música generada siguen en discusión.

Udio

Udio es la gran alternativa a Suno, con resultados muy buenos en algunos géneros y más control sobre la extensión de las canciones.

Generadores de jingles

Hay varias herramientas específicas para jingles, pero hoy un buen prompt en Suno o Udio («jingle de 15 segundos, alegre, para una panadería, que diga el nombre X») da mejores resultados que la mayoría de generadores dedicados.

Songmastr

Songmastr masteriza tu canción automáticamente tomando como referencia otra canción cuyo sonido te guste: subes tu pista y la de referencia, y ajusta volumen, ecualización y dinámica.

• Para quién: músicos que publican sin pasar por un estudio.
• La pega: no sustituye a un ingeniero de mastering en un lanzamiento importante.

Podcasts

Podcastle

Podcastle permite grabar, editar y mejorar podcasts en el navegador: quita ruido, iguala volúmenes, transcribe y permite editar el audio editando el texto.

• Para quién: podcasters que empiezan y equipos de contenido.

Tabla comparativa

Herramienta	Tarea	Plan gratis	Uso comercial
TTSMaker	Texto a voz	20.000 caracteres/semana	Sí, también gratis
Amazon Polly	Voz para centralitas y apps	5 M caracteres/mes (estándar); 1 M neuronal 12 meses	Sí, el audio es tuyo
ElevenLabs	Voz natural y clonación	Con límites	Planes de pago
Ecrett Music	Música de fondo	Con límites	Según plan
Suno	Canciones con voz	Con límites	Planes de pago
Udio	Canciones con voz	Con límites	Según plan
Songmastr	Masterizar	Con límites	Sí
Podcastle	Podcasts	Con límites	Sí

Comprueba siempre las condiciones actuales en la web oficial: cambian con frecuencia.

Lo que haríamos en el laboratorio

Si tu producto habla —un asistente telefónico, un lector de noticias, avisos automáticos— mediríamos tres cosas a tu volumen: latencia hasta que empieza a sonar, coste por minuto y comprensión real con nombres, números y siglas de tu sector. Es un problema parecido al de nuestro agente local con Whisper, pero en sentido inverso.

¿Tienes que elegir una voz para tu producto? Encárganos el duelo.