Fish Audio: la IA de voz que clona tu narrador con 10 segundos de audio

Si haces vídeos faceless, podcasts o narras audiolibros, seguro que ya sabes lo caro que puede salir un buen locutor. Fish Audio promete clonar tu voz (o cualquier otra) con apenas unos segundos de audio y hablar en más de 80 idiomas. Suena bien sobre el papel. Vamos a ver si aguanta el uso real.

Cómo funciona

Fish Audio es una herramienta de texto a voz (TTS) y clonación de voz basada en su modelo S2.1 Pro. Le das un texto, eliges o clonas una voz, y te devuelve el audio.

Lo interesante es que solo necesita entre 10 y 30 segundos de audio de referencia para clonar una voz. La mayoría de competidores piden bastante más. También puedes controlar la emoción con etiquetas en lenguaje natural, tipo [susurro], [emocionado] o [risa], algo muy útil si quieres que tu narración no suene a robot leyendo el telediario.

Tiene una biblioteca comunitaria con más de dos millones de voces, aunque el catálogo “oficial” propio de la marca es más justito que el de otras plataformas. Y para los más técnicos, el modelo S2 es open-source y se puede autoalojar en una GPU de consumo con 8GB de VRAM o más.

Para qué le sirve al creador

• Voz en off para vídeos faceless: narración en varios idiomas sin grabar tú.
• Podcasts y doblaje: clona tu propia voz o la de un invitado para generar segmentos extra.
• Audiolibros: calidad suficiente para uso comercial (en los planes de pago).
• Localización: con 80+ idiomas, puedes versionar tu contenido para audiencias hispanas, latinas o de cualquier otro mercado sin re-grabar nada.
• Apps con voz en tiempo real: la latencia de streaming está por debajo de 300ms, así que también sirve si estás montando algo más técnico.

El soporte de español está confirmado tanto en variante europea como latina, con voces de la comunidad que ya acumulan miles de usos.

Precios

Aquí es donde hay que leer la letra pequeña:

• Free: 8.000 créditos al mes (unos 7 minutos de generación). Solo para uso personal, sin derechos comerciales. O sea, nada de subirlo a un canal monetizado.
• Plus: 5,50€/mes en promoción anual (precio de lista: 20€/mes). Incluye 250.000 créditos, 200 minutos de generación, derechos comerciales, API y clonación de voz con 15 slots privados.
• Pro: 37,50€/mes en promo (lista: 150€/mes). Más de 1.620 minutos mensuales, slots de voz privados ilimitados, colaboración en equipo hasta 3 miembros.
• Max: 749€/mes, pensado para estudios grandes con 10 puestos de equipo.

Todos los datos, de la web oficial de precios de Fish Audio.

Ojo con un detalle: el consumo de créditos depende del modelo que uses (S1 o S2), así que calcular cuánto te va a durar el plan no es tan directo como parece.

Qué no nos gusta

El plan gratis es una trampa para creadores: puedes probarlo, pero en el momento en que subas ese audio a un canal con anuncios, estás incumpliendo los términos. Si tu plan es monetizar desde ya, olvídate del free y ve directo al Plus.

Los créditos caducan cada mes sin acumularse, así que si un mes generas poco, pierdes lo que no gastaste. Tampoco es la herramienta con más voces de catálogo propio: si buscas variedad “premium” lista para usar, otras opciones tienen más fondo de armario.

Y un aviso: los precios promocionales que hemos visto pueden cambiar cuando la herramienta salga de su fase actual, así que confirma siempre en la web oficial antes de suscribirte a un año.

Veredicto

Fish Audio cumple lo que promete: clona voces rápido, habla muchos idiomas y no te arruina si vas al plan Plus. Para narración de vídeos, podcasts o audiolibros con presupuesto ajustado, es de las opciones más interesantes que hemos visto. Pero el plan gratis es solo para cacharrear: en cuanto quieras monetizar, tendrás que pagar. Y conviene vigilar el consumo de créditos para que no te pille el mes a medio vídeo.