La clonación de voz con inteligencia artificial lleva un par de años generando tanto entusiasmo como desconfianza: la misma tecnología que permite narrar un vídeo con tu propia voz sin grabarlo de nuevo es la que hace posible las suplantaciones más sofisticadas. En ese contexto, cada nuevo lanzamiento en este terreno se mide no solo por su calidad técnica, sino por las salvaguardas que incorpora. Custom Voices, la función que xAI ha añadido a Grok, entra directamente en ese debate.
Anunciada junto al lanzamiento del modelo Grok 4.3 el 30 de abril de 2026, Custom Voices se suma a una pila de productos de voz que xAI viene construyendo desde diciembre de 2025, cuando lanzó la API de Voice Agent, y que se completó en abril de 2026 con las APIs independientes de texto a voz y voz a texto.
🔍 ¿Qué es Custom Voices y qué problema resuelve?
Custom Voices es una función de clonación de voz que permite a cualquier usuario grabar aproximadamente un minuto de habla natural en la consola de xAI y obtener, en menos de dos minutos, un modelo de voz listo para producción. Esa voz clonada puede usarse después en las APIs de texto a voz y de agente de voz de Grok, heredando todas las capacidades del sistema: etiquetas de habla, salida multilingüe y streaming tanto por REST como por WebSocket.
El problema que resuelve es doble. Por un lado, elimina la necesidad de re-grabar contenido cada vez que se quiere producir un vídeo, un podcast o una narración con una voz coherente y reconocible. Por otro, aborda de forma explícita el riesgo de mal uso: cada voz personalizada pasa por un proceso de verificación en dos fases antes de poder crearse. Primero, quien graba debe leer una frase de verificación que el motor de reconocimiento de voz transcribe y compara en tiempo real, confirmando presencia e intención. Después, se calculan embeddings de la voz a partir del clip de verificación y de la grabación completa para confirmar que pertenecen a la misma persona. No es posible clonar una voz a partir de una grabación preexistente, ni clonar la voz de otra persona sin su participación directa.
⚙️ Características principales
Entre las funcionalidades más relevantes de Custom Voices destacan: la creación de una voz clonada en menos de dos minutos a partir de un solo minuto de grabación; doble verificación de identidad mediante frase hablada y comparación de embeddings de voz; compatibilidad total con las capacidades de texto a voz existentes, incluyendo más de 80 voces preestablecidas en 28 idiomas; soporte para streaming en tiempo real vía REST y WebSocket; y ausencia de coste adicional, ya que la función viene incluida en el acceso a Grok 4.3. Para quienes ya exploran el ecosistema de generación de audio con IA, puede resultar útil comparar este enfoque con el de CypherScribe — Crea Documentación de Desarrollador Interactiva y con SEO en 18 Segundos, que aborda la generación de contenido sonoro desde otro ángulo.
Según Wikipedia, la síntesis de voz ha evolucionado desde sistemas concatenativos hasta modelos neuronales capaces de capturar matices de entonación y emoción; la clonación de voz verificada como la de Custom Voices representa la fase más reciente de esa evolución, en la que la identidad vocal se trata como un dato sensible que requiere consentimiento explícito.
💰 Precio y planes
Custom Voices no tiene coste adicional sobre el acceso estándar a Grok 4.3: no se cobra extra por usar las APIs de texto a voz o de agente de voz con voces personalizadas. El coste depende, por tanto, del plan de acceso a Grok que ya tenga contratado el usuario o la organización, sin un recargo específico por esta función de clonación.
✅ Análisis: Pros y Contras
| ✅ Ventajas | ❌ Desventajas |
|---|---|
| Verificación en dos fases que reduce de forma significativa el riesgo de suplantación | El requisito de un minuto de grabación es más exigente que el de algunos competidores |
| Sin coste adicional sobre el acceso existente a Grok 4.3 | La función depende de tener ya acceso de pago a Grok, no es un producto independiente |
| Compatible con streaming en tiempo real y con más de 80 voces preestablecidas | No permite clonar voces de terceros ni a partir de grabaciones ya existentes, lo que limita ciertos usos legítimos |
| Útil para preservar la voz de personas que han perdido la capacidad de hablar | Disponibilidad limitada por ahora a los canales oficiales de xAI, sin integraciones de terceros anunciadas |
| Soporta salida multilingüe manteniendo la identidad vocal original | Requiere pasar por el proceso de verificación cada vez que se crea una nueva voz |
⭐ Puntuación oledir.com: 4.2/5
Puntuación: 4.2/5 — Custom Voices logra un equilibrio poco habitual entre utilidad práctica y responsabilidad: clona voces de forma rápida sin renunciar a salvaguardas serias de consentimiento. El principal límite es que solo tiene sentido dentro del ecosistema Grok.
- 🎯 Facilidad de uso: 4.5/5
- 💡 Funcionalidades: 4/5
- 💰 Relación calidad-precio: 4.5/5
- 🔧 Integraciones: 3.5/5
- 📞 Soporte: 4/5
🚀 ¿Para quién es ideal Custom Voices?
Esta función encaja especialmente bien con creadores de contenido que producen vídeos, podcasts o publicaciones en redes de forma recurrente y quieren mantener una voz coherente sin re-grabar cada vez. También resulta muy relevante para equipos de atención al cliente que buscan una voz de marca reconocible en sus agentes de IA, para directivos que necesitan comunicar un mensaje en varios idiomas manteniendo su propia voz, y para el uso más sensible: personas que, ante la pérdida progresiva de la capacidad de hablar, quieren preservar su identidad vocal para el futuro.
🔗 Prueba Custom Voices gratis
👉 Visita Custom Voices — Sitio oficial
