En la Voice Library de ElevenLabs hay 409 voces en español de España (acento peninsular): 120 femeninas, 284 masculinas y 5 neutras, sobre más de 1.200 voces en español de todos los acentos. No existe «la mejor»: la adecuada depende de si vas a narrar, anunciar, formar o atender el teléfono. Esta guía recoge, con datos públicos de la propia biblioteca a 3 de septiembre de 2026, cuáles son las más usadas en cada caso de uso, su voice ID para usarlas en la API o en herramientas como n8n, Make o Vapi, y las tres cosas que conviene mirar en una ficha antes de decidir.
Transparencia desde la primera línea: SANCANTIA gestiona una de esas voces, Vega, que usamos en nuestros vídeos y asistentes telefónicos. Aparece en su sitio, con sus cifras reales, ni más arriba ni más abajo de donde le corresponde.
Cómo leer una ficha de la Voice Library
Antes de la lista, cuatro conceptos que cambian la decisión y que la mayoría de guías pasan por alto:
Peninsular no es lo mismo que latino. El filtro de acento de la biblioteca distingue peninsular (español de España) de latin american, mexican, colombian, argentine y otros. La mayoría de las voces en español son latinoamericanas (479 solo con la etiqueta genérica, más 161 mexicanas y 98 colombianas en la primera tanda de resultados), así que si tu público está en España, filtra por acento antes de escuchar nada.
Professional y HQ son dos cosas distintas. Todas las voces compartidas son clones profesionales de una persona real que verificó su identidad (categoría Professional). La insignia HQ (Studio Quality) la añade ElevenLabs después de una revisión manual de sus expertos de audio: grabación con equipo adecuado, sin eco ni distorsión, tono profesional. No garantiza que una voz te guste más, pero sí que el audio de origen está limpio. De las 40 voces femeninas peninsulares más usadas, 31 llevan la insignia.
El periodo de aviso es la garantía de permanencia. Cada propietario fija el plazo mínimo con el que avisará si retira su voz: entre 30 días y 2 años. Para un vídeo puntual es irrelevante. Para un asistente telefónico, un catálogo de cursos o una marca que quiere sonar igual durante años, es la primera casilla que hay que mirar. En español de España, 325 de las 409 voces (cuatro de cada cinco) tienen el máximo de 2 años.
«Solo planes de pago». Algunas fichas limitan la voz a suscriptores de pago; el plan gratuito de ElevenLabs no puede añadirlas. Entre las 40 femeninas peninsulares más usadas, 33 están abiertas al plan gratuito y 7 no.
Las voces en español de España más usadas, por caso de uso
La biblioteca publica dos métricas por voz: cuántos usuarios la han añadido a su cuenta y cuántos caracteres se han generado con ella en los últimos doce meses. La segunda es la que mide uso real, porque una voz añadida por curiosidad y nunca usada no suma. Esta tabla recoge las tres voces más usadas de cada categoría, con ambos sexos mezclados, a 3 de septiembre de 2026:
| Caso de uso (voces) | Voz | Tipo | Millones de caracteres (12 meses) | Voice ID |
|---|---|---|---|---|
| Narración (184) | Jon — Warm & Grounded Storyteller (M) | HQ | 6.886 | MFZUKuGQUsGJPQjTS4wC |
| Christopher — Gentle and Trustworthy (M) | HQ | 6.581 | G17SuINrv2H9FC6nvetn | |
| David Martin — Confident and Balanced (M) | HQ | 1.913 | Nh2zY9kknu6z4pZy6FhD | |
| Conversacional (83) | Susi — Effortless and Confident (F) | HQ | 6.788 | v3V1d2rk6528UrLKRuy8 |
| Carolina — Natural, Neutral and Clear (F) | Professional | 1.860 | UOIqAnmS11Reiei1Ytkc | |
| Carolina Ruiz — Nasal, Natural and Clear (F) | Professional | 1.733 | h2cd3gvcqTp3m65Dysk7 | |
| Formación (47) | David Martin — Clear, Calm and Elegant (M) | HQ | 845 | y6WtESLj18d0diFRruBs |
| Sara Martin — Gentle and Layered (F) | HQ | 633 | KHCvMklQZZo0O30ERnVn | |
| Lydia — Warm, Energetic and Confident (F) | HQ | 608 | SDVJaMLoJa7wc3s2sn7d | |
| Redes sociales (29) | Brittney — Social Media Voice (F) | HQ | 15.156 | kPzsL2i3teMYv0FxEYQ6 |
| Liberty X — Transatlantic Global Narration (F) | HQ | 217 | iBo5PWT1qLiEyqhM7TrG | |
| Laura López — Bright, Clear and Dynamic (F) | Professional | 213 | yiWEefwu5z3DQCM79clN | |
| Anuncios (18) | Rex Thunder — Deep N Tough (M) | HQ | 861 | mtrellq69YZsNwzUSyXh |
| Martin Osborne — Polished and Energetic (M) | HQ | 539 | D7dkYvH17OKLgp4SLulf | |
| Jose A. del Rio — Dynamic and Expressive (M) | Professional | 173 | PwxTzhTOyJ9IXBhXZdc8 | |
| Personajes (28) | MariCarmen — Hurried and Intimidating (F) | HQ | 2.433 | YDDaC9XKjODs7hY78qEW |
| Johnny — Mocking, Sarcastic and Rich (M) | HQ | 2.381 | HMCmDsbKeaSZp5LMOYKR | |
| Mark — Cartoonish, Funny and Cheerful (M) | HQ | 187 | DUnzBkwtjRWXPr6wRbmL | |
| Entretenimiento y TV (14) | George — Screaming, Powerful and Epic (M) | HQ | 231 | g4ucswVjPpazgbDDe327 |
| Arcades (M) | HQ | 55 | aG9q1I1wTbfHh5sbpJnp | |
| Maite Jiménez — Engaging Narrator (F) | Professional | 45 | BXtvkfRgOYGPQKVRgufE |
Dos lecturas rápidas. La primera: el volumen se concentra muchísimo. Brittney sola genera más caracteres que las 100 voces femeninas peninsulares menos usadas juntas, y eso no habla de calidad sino de que alguna aplicación de vídeo automático la tiene de voz por defecto. La segunda: las voces masculinas dominan la narración larga (Jon y Christopher suman más de 13.000 millones de caracteres, que a unas 15 letras por segundo equivalen a unos 28 años de audio seguido) y las femeninas dominan la conversación y las redes.
Si prefieres ver solo voces femeninas para narración, que es donde la tabla anterior no muestra ninguna, las más usadas son Jane Doe — Intimate (SaqYcK3ZpDKBAImA8AdW, 1.588 millones), Eva Dorado — Warm, Soft and Convincing (RgXx32WYOGrd7gFNifSf, 481 millones) y Mía Evans — Nuanced, Polished and Clear (Qvbf0AoA7UZSgJUp8Ba5, 377 millones).
Cómo elegir según lo que vas a hacer
Narración, audiolibro o vídeo corporativo. Busca ritmo pausado y que aguante párrafos largos sin perder entonación. Prueba con un texto de al menos 300 palabras: muchas voces suenan perfectas en una frase y monótonas en un capítulo. Genera con el modelo Multilingual v2, que es el que mejor respeta la prosodia en textos largos.
Anuncio o cuña. Aquí manda el registro: cercano y creíble para negocios locales, enérgico para promociones. Fíjate en que la voz no «venda» en exceso; en español de España la publicidad agresiva suena a teletienda. Escucha la ficha de la voz y, sobre todo, tu propio guion.
Asistente telefónico o voicebot. Es el caso donde más cosas hay que comprobar. La voz tiene que sonar natural con los modelos rápidos (Flash), porque en una llamada cada décima de segundo de latencia se nota; el periodo de aviso debería ser de 2 años, porque nadie quiere cambiar la voz de su centralita a los tres meses; y conviene evitar voces con moderación en vivo activada, que añade retardo. Lo explicamos con detalle en la guía sobre chatbots y asistentes con IA para atención al cliente.
Redes sociales. Registro ágil y directo, frases cortas, y que la voz no compita con la música. La categoría está dominada por voces jóvenes y enérgicas; si tu marca es más sobria, una voz de narración con el estilo ajustado suele funcionar mejor que una voz «de TikTok».
Formación y e-learning. Claridad por encima de calidez: vocalización limpia, ritmo medio, nada de susurros. Las tres voces de la categoría en la tabla son un buen punto de partida.
La prueba que no falla: genera diez segundos de tu propio texto con dos o tres candidatas y escúchalas seguidas, sin mirar el nombre. La que no te haga pensar «es una IA» es la buena.
Cómo usar el voice ID en la API, n8n, Make o una plataforma de voicebot
El voice ID es la cadena de 20 caracteres que identifica cada voz. Lo copias desde el menú de la ficha (opción Copy voice ID) y lo pegas en cualquier herramienta conectada a ElevenLabs. Un detalle que rompe muchas integraciones: para usar una voz de la biblioteca por API, primero tienes que añadirla a tus voces desde la propia biblioteca (botón Add); si no, la API responde que la voz no existe.
Una llamada mínima de texto a voz, con el ID de nuestra voz como ejemplo:
curl -X POST "https://api.elevenlabs.io/v1/text-to-speech/RN21UDW82pAS9bWvJkGP" \
-H "xi-api-key: TU_CLAVE_DE_API" \
-H "Content-Type: application/json" \
-d '{"text": "Hola, gracias por llamar. ¿En qué puedo ayudarte?", "model_id": "eleven_multilingual_v2"}' \
--output prueba.mp3En n8n y Make el nodo de ElevenLabs pide exactamente ese ID; en Vapi, Retell o Synthflow se pega en el campo de voz del agente. Si automatizas vídeo con json2video, su catálogo de voces de ElevenLabs también se indexa por este identificador.
La voz de SANCANTIA: Vega
Nuestra voz de marca es Vega, un clon profesional verificado de una locutora real de Madrid que grabó horas de estudio y autorizó su uso; SANCANTIA la gestiona desde finales de 2025. Su voice ID es RN21UDW82pAS9bWvJkGP y su ficha pública en la biblioteca todavía se titula con el nombre anterior, Stela - Sophisticated & Expressive voice. Está limitada a planes de pago y su periodo de aviso es el máximo, 2 años.
La usamos en nuestros vídeos divulgativos, en los asistentes telefónicos que implantamos y en material de formación. Cuatro demos cortas, sin postproducción:
Narración
Anuncio
Asistente telefónico
Redes sociales
Para qué la recomendamos: español de España en registro adulto y cercano (narración, divulgación, anuncios de tono próximo, asistentes telefónicos). Para qué no: voces infantiles, personajes o locución nativa en otros idiomas. Toda la información de uso está en la página de la voz.
De dónde salen los datos y cuándo caducan
Todas las cifras proceden de la API pública de la Voice Library de ElevenLabs (listado de voces compartidas filtrado por idioma español y acento peninsular), consultada el 3 de septiembre de 2026. Los caracteres son los generados en los doce meses anteriores; los usuarios, los que tienen la voz añadida a su cuenta. Son datos que cambian cada semana: una voz que hoy no aparece puede estar en la tabla dentro de tres meses, y al revés. Actualizaremos la tabla al menos cada trimestre; la fecha de la cabecera del artículo dice cuál es la vigente.
Lo que los datos no miden: la calidad. Una voz muy usada suele ser una voz que a mucha gente le ha funcionado, pero también puede ser la voz por defecto de una aplicación con miles de usuarios que nunca la eligieron. Por eso la tabla es un punto de partida para escuchar, no un veredicto.
Preguntas frecuentes sobre voces de ElevenLabs en español de España
1. ¿Cuál es la mejor voz de ElevenLabs en español de España?
No hay una mejor voz universal: hay 409 voces peninsulares y la adecuada depende del caso de uso. Por volumen de uso destacan Jon y Christopher en narración, Susi y Carolina en conversación, Brittney en redes sociales y Rex Thunder en anuncios. SANCANTIA usa como voz de marca a Vega, clon profesional de una locutora real de Madrid con periodo de aviso de dos años. La prueba fiable es generar diez segundos de tu propio texto con dos o tres candidatas y escucharlas seguidas.
2. ¿Qué diferencia hay entre una voz Professional y una voz HQ?
Las dos son clones profesionales de una persona real que verificó su identidad. La insignia HQ (Studio Quality) la añade ElevenLabs tras una revisión manual de sus expertos de audio: grabación con equipo adecuado, sin eco ni distorsión y tono profesional. Una voz Professional sin insignia puede sonar igual de bien; la diferencia es que no ha pasado esa revisión. De las 40 voces femeninas peninsulares más usadas, 31 llevan la insignia.
3. ¿Qué es el periodo de aviso y por qué importa?
Es el plazo mínimo que el propietario de la voz se compromete a mantenerla disponible si decide retirarla: entre 30 días y 2 años. Para un proyecto puntual da igual; para un asistente telefónico, un curso o una marca que va a usar la misma voz durante años, conviene elegir voces con 2 años de aviso. Cuatro de cada cinco voces peninsulares tienen ese plazo máximo.
4. ¿Cómo encuentro el voice ID de una voz?
Abre la voz en la Voice Library o en Mis voces y copia el identificador desde el menú de la ficha (opción Copy voice ID). Es una cadena de 20 caracteres, como RN21UDW82pAS9bWvJkGP, que identifica la voz en la API y en herramientas como n8n, Make, Vapi o json2video. Para usar una voz de la biblioteca por API primero hay que añadirla a tu cuenta.
5. ¿Puedo usar una voz de la biblioteca en un asistente telefónico?
Sí. Las voces compartidas funcionan en los agentes conversacionales de ElevenLabs y en las plataformas de voicebot que se conectan a su API. Para teléfono conviene una voz etiquetada como conversacional o que suene natural con los modelos rápidos (Flash), con periodo de aviso de 2 años y, si el proveedor lo permite, sin moderación en vivo, que añade latencia.
6. ¿Valen para uso comercial?
El audio generado con voces de la Voice Library se usa bajo la licencia comercial de ElevenLabs según el plan contratado; el plan gratuito no incluye licencia comercial. Algunas voces están además limitadas a suscriptores de pago: la ficha lo indica. El propietario de la voz cobra a través del programa de recompensas de ElevenLabs, no del usuario.
Elegir voz es la parte fácil y la más visible de un proyecto de audio con IA. La difícil, y donde de verdad se juega el resultado, es lo que hay detrás: el guion, la integración con la agenda o la centralita, el aviso legal de que se habla con una IA y las pruebas con clientes reales. Si la voz que quieres es para atender el teléfono de tu negocio, eso es exactamente lo que montamos.
