La síntesis de voz por IA ha hecho que los audiolibros sean fundamentalmente accesibles para cualquier autor independiente — la pregunta real ya no es "¿es posible?", sino "¿cuánto cuesta realmente, y qué se pasa por alto fácilmente?"
El coste puro de generación
Para una novela media (unas 80.000 palabras, ~480.000 caracteres, lo que equivale a unas 8 horas de audiolibro) con un modelo de voz de calidad, los costes puros de API rondan los $48. Si en cambio contratas una suscripción mensual con un proveedor de voces IA habitual para conseguir suficiente "crédito de caracteres" para un libro entero, un plan adecuado cuesta más bien unos $99 al mes — notablemente más, porque pagas por capacidad no usada en lugar de solo por lo que el libro realmente genera.
Lo que esa cifra no incluye
Aquí está exactamente el punto que muchos subestiman: la generación de voz pura es solo una parte del trabajo.
Fragmentación. La mayoría de los servicios limitan la cantidad de texto por solicitud a unos pocos miles de caracteres. Un capítulo tiene que dividirse en trozos — y los ajustes (estabilidad de la voz, expresividad) deben mantenerse idénticos en todos los trozos, o de lo contrario aparecen cortes de sonido audibles dentro de un mismo capítulo.
Números y fechas. Sin preparación, prácticamente cualquier modelo de voz económico lee años y números grandes de forma antinatural — "2025" se convierte en "dos-cero-dos-cinco" en lugar de "dos mil veinticinco". Se puede solucionar, pero no automáticamente — requiere un paso adicional de preparación del texto.
Voces de personajes. Por defecto, una sola voz lee todas las líneas de diálogo con el mismo tono — héroe, villano, niño, todos iguales. Voces de personajes diferenciadas requieren tu propia asignación de quién dice cada línea.
Masterización. Volumen constante durante varias horas, sin ruido de fondo molesto — la generación de voz en bruto no lo ofrece automáticamente, es un paso de posproducción aparte.
Distribución. Un audiolibro terminado todavía tiene que venderse en algún sitio. La mayoría de los canales de distribución (Spotify, Apple, Google Play) son gratuitos de usar (reparto de ingresos en lugar de tarifa) y ahora aceptan explícitamente voces IA — con una excepción importante: Audible/ACX sigue prohibiendo la narración con IA en su proceso estándar.
En resumen
La generación de voz pura se ha vuelto barata y accesible — el trabajo real está en los pasos alrededor, que rara vez se cuentan cuando se habla de "audiolibros IA baratos". Quien pasa por este proceso una vez por su cuenta se da cuenta rápidamente de cuántas decisiones pequeñas (elección del modelo, ajustes de voz, manejo de números, ensamblaje de capítulos) separan "subir un texto" de "audiolibro terminado, que suena bien".