Doblaje con IA para videojuegos: herramientas, costes y normas (2026)
Última actualización: julio de 2026.
Sí, puedes usar voces generadas por IA en un videojuego comercial y, para la mayoría de desarrolladores independientes y estudios pequeños, resulta barato. Un plan de pago de una herramienta como ElevenLabs parte de 6 $ al mes e incluye una licencia comercial, así que puedes publicar en un videojuego de pago los diálogos que generes. La API de texto a voz de OpenAI cuesta unos 0,015 $ por minuto de audio y también está autorizada para uso comercial. Los modelos de código abierto con licencias permisivas, como Piper y Kokoro, no cuestan nada de ejecutar y pueden publicarse comercialmente, aunque otros como XTTS v2 son solo para uso no comercial, por lo que la licencia del modelo determina qué puedes vender. Para un videojuego independiente típico con unos cientos de líneas, el coste de generación estará entre cero y unos 20 o 30 $.
El problema no es el dinero, sino las normas y la recepción del público. Los planes gratuitos casi nunca permiten el uso comercial y suelen exigir atribución en el resultado, por lo que la herramienta «gratuita» que te permite publicar es aquella cuya licencia lo indique expresamente. Clonar la voz de una persona real sin permiso es la clase de acción que hará que te demanden o retiren tu juego de una tienda, no la que te ahorrará tiempo. Steam exige que indiques el contenido de IA dirigido a los jugadores, incluidas las líneas de voz generadas por IA, en la página de tu tienda. Y los jugadores se dan cuenta. Varios videojuegos de 2025 y 2026 recibieron fuertes críticas por usar voces de IA, así que es un error tratar esta tecnología como una forma discreta de ahorrar costes en lugar de como una decisión creativa. Esta guía repasa las herramientas, los costes reales, las normas sindicales y de las tiendas, y cuándo es mejor contratar a una persona.
Referencia rápida: comparativa de herramientas
| Herramienta | Precio (2026) | Licencia comercial | Política de clonación de voz | Notas sobre la calidad |
|---|---|---|---|---|
| ElevenLabs | Plan gratuito; después, desde 6 $/mes (Starter) hasta 99 $/mes (Pro) | Solo en planes de pago; perpetua incluso después de cancelar | Clonación instantánea en Starter y profesional en Creator+; se exige consentimiento para voces reales | Emoción e interpretación líderes del mercado; la opción predeterminada para diálogos de videojuegos |
| OpenAI TTS (gpt-4o-mini-tts) | ~0,015 $/min de audio; pago por uso | Sí, conforme a las políticas de uso de OpenAI | Solo voces predefinidas, sin clonación | Barato, natural y adecuado para grandes volúmenes, pero ofrece menos control interpretativo |
| Murf | Los planes de pago incluyen derechos comerciales | Todos los planes de pago | Clonación en los planes superiores | Rápido (modelo Falcon de baja latencia), narración con estilo de estudio |
| Resemble AI | Planes de pago, además de Chatterbox de código abierto | Sí en los planes de pago; Chatterbox tiene licencia MIT | La clonación es una función central; se exige consentimiento | Chatterbox dispone de un control de «exageración» muy útil para personajes de videojuegos |
| XTTS v2 (Coqui) | Gratuito y autoalojado | CPML; pesos para uso no comercial y solo en prototipos | Clona a partir de unos 6 segundos; 17 idiomas | El mejor clonador multilingüe local abierto; requiere GPU |
| Piper | Gratuito y autoalojado | Licencia permisiva; puedes publicarlo | Voces predefinidas, sin clonación | Funciona en tiempo real mediante CPU; excelente para sistemas integrados o equipos modestos |
Los precios y las condiciones cambian, así que confirma siempre la licencia vigente en la página del propio proveedor antes de crear todo un flujo de trabajo en torno a una herramienta. El resto de esta guía explica qué significan realmente estas filas para un videojuego que pretendes vender.
Las herramientas y para qué sirve cada una
ElevenLabs es la opción a la que recurren la mayoría de desarrolladores de videojuegos, y con razón. Maneja mejor que sus alternativas el rango emocional y el ritmo natural, algo importante cuando una línea debe sonar asustada, sarcástica o agotada en vez de limitarse a leerse en voz alta. El plan gratuito proporciona 10 000 créditos al mes, pero no concede derechos comerciales y obliga a incluir atribución, por lo que solo sirve para hacer pruebas. El plan Starter de 6 $ al mes añade una licencia comercial y 30 000 créditos, equivalentes a unos 30 minutos de voz, ya que cada carácter de texto cuesta un crédito en el modelo estándar. Creator cuesta 22 $, ofrece unos 121 000 créditos y clonación profesional de voz, mientras que Pro cuesta 99 $ e incluye 600 000. Para la mayoría de los videojuegos pequeños, el plan de 6 o 22 $ será más que suficiente.
El servicio de texto a voz de OpenAI es la opción económica. El modelo gpt-4o-mini-tts cuesta unos 0,015 $ por minuto de audio generado, se factura mediante la API y permite el uso comercial conforme a las políticas de uso de OpenAI. Ofrece un conjunto de voces predefinidas sin clonación y admite menos dirección interpretativa que ElevenLabs, pero su precio es difícil de superar si necesitas generar cientos de frases breves y exclamaciones. Es una buena opción para líneas numerosas y menos importantes.
Murf está más orientado al público que busca narración de estudio. Todos sus planes de pago incluyen derechos comerciales, y su nuevo modelo Falcon está diseñado para ofrecer una latencia baja, de unos 55 ms según pruebas independientes, algo más importante para agentes en directo que para diálogos de videojuegos generados de antemano. Merece la pena conocer Resemble AI por dos motivos: su producto de pago está centrado en la clonación y también publica Chatterbox, un modelo de código abierto con una licencia permisiva y un parámetro de «exageración» que lleva las voces al terreno de la caricatura, algo verdaderamente útil para personajes y criaturas de videojuegos.
Entre las opciones de código abierto, XTTS v2, de la ya desaparecida Coqui, todavía se considera el mejor motor local multilingüe de clonación de voz en 2026. Puede clonar voces a partir de unos seis segundos de audio en 17 idiomas y sigue vivo gracias a una bifurcación comunitaria, aunque la empresa cerró en enero de 2024. No obstante, trátalo como una opción exclusiva para prototipos: los pesos del modelo se distribuyen bajo la licencia CPML de Coqui, que prohíbe el uso comercial, por lo que no puedes utilizarlo legalmente en un videojuego que vendas. Piper se encuentra en el extremo opuesto: funciona en tiempo real con una CPU y sin GPU, lo que lo convierte en la opción ideal para sistemas integrados, hardware modesto o generación de voces en tiempo de ejecución dentro del propio videojuego. Bark tiene licencia MIT y puede producir sonidos no verbales, como risas y suspiros, mientras que Kokoro es la opción ligera, centrada principalmente en inglés, que puedes publicar comercialmente. Para crear mods al estilo de Skyrim, herramientas como xVASynth llevan mucho tiempo siendo el estándar de la comunidad para producir líneas personalizadas de PNJ, aunque, si desarrollas mods, debes consultar las condiciones del juego base y de la herramienta antes de distribuirlos.
Una observación sobre el sector: Meta adquirió Play.ht a mediados de 2025 y, según diversas informaciones, el servicio cerró a finales de ese año, así que ignóralo si lo ves recomendado en algún artículo antiguo.
Cuánto cuesta en la práctica
Las cifras por minuto y por carácter solo cuentan una parte de la historia, así que veamos las cuentas reales. Un videojuego narrativo corto con, por ejemplo, 300 líneas de 12 palabras de media suma aproximadamente 21 600 caracteres. En ElevenLabs, esto queda por debajo del límite mensual del plan Starter, por lo que el presupuesto de voces para todo el juego sería de 6 $, o de 22 $ si quieres voces clonadas o de mayor calidad. En la API de OpenAI, ese mismo guion representa unos pocos minutos de audio y costaría bastante menos de un dólar. Los modelos de código abierto no cuestan nada aparte de tus propios recursos informáticos y tu tiempo.
Los costes aumentan realmente con las iteraciones y la escala. Es poco habitual acertar una línea en la primera generación, y volver a generar interpretaciones, ajustar el énfasis y regenerar contenido después de cambiar el guion consume créditos. Un RPG con muchos diálogos, miles de líneas, varias tomas de cada una y diversos idiomas puede obligarte a pasar al plan de 99 $ o a asumir un gasto real en la API. Aun así, estarás comparando unas decenas o unos pocos cientos de dólares con los miles que costaría un reparto completo de intérpretes humanos. La realidad es que la generación bruta de voces con IA es barata y solo llega a parecer cara en comparación consigo misma, nunca frente a la contratación de un reparto sindicado. Si tu presupuesto es cero, los planes gratuitos te permitirán crear un prototipo y los modelos de código abierto, un videojuego listo para publicar, siempre que respetes sus licencias.
Licencias y normas sindicales
Esta es la parte que suele causar problemas, así que léela con atención. Hay dos cuestiones de licencia distintas y es fácil confundirlas.
La primera es la licencia de la herramienta, que determina si puedes vender lo que generas. En los planes de pago de ElevenLabs, Murf, Resemble y OpenAI, la respuesta es afirmativa y, en el caso concreto de ElevenLabs, conservas los derechos comerciales sobre el audio generado durante una suscripción de pago incluso después de cancelarla. Hay dos detalles importantes en la letra pequeña: debes seguir siendo titular de los derechos sobre el guion y el contenido subyacentes, y proveedores como ElevenLabs conservan una licencia para utilizar el contenido que generes con el fin de entrenar y mejorar sus modelos. Los planes gratuitos son la trampa, porque suelen prohibir el uso comercial y exigir atribución, por lo que un videojuego publicado con audio generado mediante un plan gratuito incumpliría las condiciones. En los modelos de código abierto, la licencia corresponde al modelo específico, no a la categoría de la herramienta, así que comprueba si utiliza MIT, Apache o alguna licencia con una cláusula de uso no comercial antes de basar tu proyecto en él.
La segunda cuestión es la propia voz. Generar una voz predefinida o sintética no plantea problemas. Clonar la voz de una persona real sin su consentimiento sí, y supone un riesgo tanto jurídico como ético. Aquí es donde entran las normas sindicales. Tras una huelga de casi un año, los miembros de SAG-AFTRA ratificaron un nuevo Acuerdo de Medios Interactivos el 9 de julio de 2025 con el 95 % de los votos, poniendo fin oficialmente a la huelga del sector de los videojuegos que comenzó en julio de 2024. Las disposiciones del acuerdo sobre IA exigen consentimiento, información y compensación antes de utilizar la réplica digital de la voz de un intérprete, y permiten a los intérpretes suspender su consentimiento para generar nuevo material con IA durante una huelga.
Si eres un desarrollador independiente que utiliza voces sintéticas predefinidas, ese contrato no te obliga directamente, porque regula a los estudios firmantes que trabajan con intérpretes sindicados. Sin embargo, establece el criterio por el que ahora se juzga a todo el mundo: obtén consentimiento explícito y remunerado antes de clonar la voz de cualquier persona real. No extraigas la voz de la demo de un actor de doblaje ni de los vídeos de un creador de contenido para entrenar un modelo. La disputa sindical giraba precisamente en torno a la sustitución de intérpretes por una IA entrenada con su propio trabajo sin permiso. Hacer eso como estudio pequeño supone tanto un riesgo jurídico como una bomba para tu reputación.
Requisitos de divulgación
Si vas a publicar en Steam, tienes que declarar el contenido de voz generado por IA. La política de divulgación sobre IA de Valve está vigente desde principios de 2024 y se actualizó el 17 de enero de 2026 para centrarse específicamente en el contenido generado por IA que se distribuye con el videojuego y es consumido por los jugadores, no en las herramientas internas destinadas a mejorar la eficiencia. Las líneas de voz generadas por IA están incluidas explícitamente. La política distingue entre contenido pregenerado, incorporado a la descarga como las voces y las imágenes creadas con IA, y contenido generado en directo, en el que el juego crea diálogos sobre la marcha y se exige implementar medidas de protección contra resultados ilegales u ofensivos. La declaración aparece en la página de la tienda, dentro de «Acerca de este juego», y los jugadores pueden verla antes de comprar.
En la práctica: si utilizaste IA para generar líneas de voz incluidas en el videojuego, marca la casilla de contenido pregenerado y descríbelo con honestidad. Si tus PNJ generan diálogos en tiempo de ejecución, se considera contenido generado en directo y conlleva la obligación adicional de incorporar medidas de protección. Actualmente, otras plataformas son menos formales en cuanto a la divulgación específica de voces en videojuegos, pero la tendencia del sector apunta hacia un mayor etiquetado, no hacia uno menor, y ser transparente suele sentar mejor a los jugadores que ser descubierto. Además de las normas de las tiendas, algunas comunidades y premios tienen sus propios límites: los Indie Game Awards descalificaron a un nominado en 2025 después de que saliera a la luz el uso de IA generativa, así que, si aspiras a participar en un festival concreto o a publicar en una tienda específica, consulta también su política.
Consejos para el flujo de trabajo
La diferencia entre una voz de IA que parece pertenecer a un juego y otra que suena como un menú telefónico automatizado depende principalmente de la dirección. Escribe las frases tal como quieres que se interpreten y haz que la puntuación cumpla una función real, porque las comas, los puntos suspensivos y los saltos de línea alteran el ritmo más que cualquier ajuste. Genera varias tomas de cada frase importante y elige la mejor, igual que haría un director con un actor humano. Mantén una voz coherente para cada personaje a lo largo de todo el guion y anota el ID exacto de la voz y los ajustes utilizados, para que una frase que vuelvas a generar tres meses después siga sonando igual.
Genera el audio por lotes cuando el guion esté listo, en lugar de regenerarlo constantemente mientras escribes, porque ahí es donde se pierden los créditos y el tiempo. Para los momentos emotivos, algunas herramientas permiten orientar el tono mediante una instrucción breve o un control de emoción; merece la pena concentrar el esfuerzo ahí y dejar que las frases incidentales se generen automáticamente. Mantén las voces con el mismo volumen y formato que el resto del audio para que los diálogos, la música y los efectos de sonido encajen bien en la mezcla. Y prueba las voces con jugadores reales desde el principio, porque esa interpretación plana que dejas de percibir después de escucharla cincuenta veces es lo primero que nota un jugador nuevo.
Cuándo contratar actores humanos
La voz de IA es una herramienta, no un sustituto de una interpretación, y los desarrolladores que la utilizan bien son sinceros al respecto. Incluso Embark Studios, cuyo ARC Raiders se lanzó con diálogos generados por IA en octubre de 2025, sustituyó muchas de esas frases por interpretaciones humanas después del lanzamiento, y el director ejecutivo del estudio afirmó claramente que existe una diferencia de calidad entre la IA y un actor profesional real. Esa es la señal. Si la voz de un personaje es fundamental para la identidad de tu juego, si dependes de una interpretación emocional sutil o si tu público tiende a examinar y penalizar el uso de voces de IA, contrata a una persona. Los actores reales aportan interpretación, improvisación y una precisión que los modelos actuales todavía se limitan a aproximar.
Utiliza voces de IA donde realmente encajen: prototipos y pistas temporales para comprobar el ritmo de los diálogos antes de comprometerte, grandes volúmenes de frases funcionales como conversaciones por radio y exclamaciones genéricas, voces provisionales que sustituirás más adelante, proyectos en solitario sin presupuesto cuya alternativa sería el silencio y funciones de accesibilidad como la lectura en voz alta del texto de la interfaz. Una opción intermedia habitual consiste en generar todo con IA para perfeccionar el guion y los tiempos, y después contratar actores humanos para las frases que sostienen el peso del juego. Así inviertes el presupuesto de voces donde realmente marca la diferencia y dejas que la IA se encargue del resto.
Cinevva convierte una instrucción en un juego para navegador, con efectos de sonido y música generados para ti. Las voces las añadirás con las herramientas anteriores.
Preguntas frecuentes
¿Es legal utilizar voces de IA en un juego comercial?
Sí, siempre que utilices una herramienta cuya licencia permita el uso comercial y no clones la voz de una persona real sin su consentimiento. Los planes de pago de ElevenLabs, OpenAI, Murf y Resemble incluyen derechos de uso comercial, y los modelos de código abierto con licencias permisivas, como Piper y Bark, pueden incluirse en un juego sin coste. Las dos formas de meterte en problemas son publicar resultados de un plan gratuito que prohíba el uso comercial y exija atribución, o entrenar una voz con grabaciones de un actor real sin permiso. Ambas se pueden evitar.
¿Cuánto cuesta usar voces de IA en un juego?
Menos de lo que la mayoría espera. Un juego corto con unos cientos de frases cabe dentro del plan Starter de ElevenLabs, que cuesta 6 dólares al mes, o cuesta menos de un dólar mediante la API de OpenAI; además, los modelos de código abierto se pueden ejecutar gratis en tu propio equipo. Un RPG cargado de diálogos, con miles de frases y varios idiomas, podría obligarte a contratar un plan de 99 dólares o generar un gasto de API de unos pocos cientos de dólares. Incluso en el extremo superior, eso representa solo una fracción de lo que cuesta un reparto humano completo.
¿Tengo que declarar el uso de voces de IA en Steam?
Sí. La política de Steam sobre la divulgación del uso de IA exige declarar el contenido generado por IA que se incluye en el juego y que consumen los jugadores, y las frases con voces de IA están cubiertas expresamente. La declaración aparece en la página de la tienda, dentro de «Acerca de este juego». Desde la actualización de enero de 2026, las herramientas internas que no producen contenido visible para los jugadores han dejado de ser el foco, pero las frases que los jugadores realmente oyen sí lo son. Si tu juego genera diálogos en directo durante la ejecución, eso pertenece a una categoría distinta que también exige medidas de seguridad.
¿Puedo clonar la voz de un actor real o de una celebridad para mi juego?
No sin su consentimiento explícito y remunerado. Clonar la voz de una persona real sin permiso te expone a reclamaciones legales relacionadas con los derechos de imagen y publicidad, y es precisamente la práctica que el convenio de videojuegos de SAG-AFTRA pretende impedir. El contrato de 2025 exige consentimiento, transparencia y compensación por las réplicas digitales de las voces de los intérpretes. Aunque seas un desarrollador independiente ajeno a ese contrato, el riesgo legal y reputacional de utilizar un clon no autorizado es real. Utiliza voces sintéticas predefinidas o licencia correctamente una voz.
¿Los jugadores sabrán que he utilizado voces de IA? ¿Les importará?
A menudo, sí en ambos casos. Los jugadores han aprendido a detectar la interpretación plana y ligeramente extraña de la síntesis de voz actual, y varios juegos de 2025 y 2026 recibieron críticas públicas por utilizar voces de IA; algunos desarrolladores incluso dieron marcha atrás después del lanzamiento. No ocurre siempre, y las frases funcionales o las voces claramente estilizadas suelen generar menos rechazo que un personaje protagonista interpretando diálogos emotivos. Sé transparente en tu declaración, utiliza la IA donde encaje en lugar de hacerlo donde resulte evidente que no encaja y considera contratar actores humanos para las voces que definen tu juego.
¿Cuál es la mejor herramienta gratuita de voces de IA para juegos?
Si quieres publicar un juego comercial sin presupuesto, utiliza un modelo de código abierto con una licencia permisiva, ya que los planes gratuitos de las herramientas de pago prohíben el uso comercial. Piper funciona en una CPU normal y es una opción excelente para equipos modestos o para generar voces durante la ejecución; Bark y Kokoro también son fáciles de incluir en un juego publicado. XTTS v2 ofrece la clonación de voz multilingüe más potente si tienes una GPU, pero solo sirve para prototipos y no para publicar: los pesos de su modelo utilizan la licencia CPML de Coqui, que no permite el uso comercial. Confirma la licencia del modelo concreto antes de basar tu proyecto en él, porque «código abierto» no siempre significa «uso comercial permitido».
Contenido relacionado
- Los mejores generadores de música con IA para juegos — la misma cuestión sobre herramientas aplicada a la banda sonora
- Efectos de sonido y música gratis para juegos — dónde conseguir legalmente el resto del audio
- PNJ y diálogos con IA — cómo generar conversaciones, no solo leerlas en voz alta
- Generadores de recursos con IA para juegos — arte, modelos y audio a partir de una instrucción
- Explicación de las licencias de recursos para juegos — qué significan realmente «comercial», CC0 y «libre de regalías»
- Cómo crear un juego con IA (sin programar) — crea el juego en el que utilizarás las voces