Convertir texto a audio con IA: resúmenes tipo pódcast en Gemini Notebook o voces realistas con ElevenLabs
Hay dos formas muy distintas de «escuchar» un texto con inteligencia artificial. La primera es que una voz sintética lo lea tal cual, con fidelidad al original. La segunda es que la IA lo reinterprete y lo convierta en una conversación entre presentadores, como si de un pódcast se tratara. La primera opción es útil para artículos, apuntes o PDF que quieres consumir en el coche, en el gimnasio o por accesibilidad. La segunda es más cómoda para repasar, pero ya no es el texto original, sino una síntesis generada a partir de él. Elegir entre una y otra depende de lo que necesites: exactitud o comodidad.
La vía del pódcast: resúmenes de audio en Gemini Notebook
Gemini Notebook —el nombre que Google dio a NotebookLM en julio de 2026— es la herramienta que popularizó la conversión de documentos en resúmenes hablados . Su función de resumen de audio genera, según Google, «debates en profundidad entre presentadores de IA» que resumen las fuentes que hayas subido a un cuaderno. El proceso es sencillo: creas un cuaderno, subes tus apuntes (PDF, documentos de Word, presentaciones, texto, páginas web, vídeos de YouTube con transcripción) y seleccionas la opción de resumen en audio desde el panel Studio.
La herramienta ofrece cuatro formatos: Información detallada (dos presentadores conversan y conectan los temas), Resumen (un solo orador presenta los puntos clave en menos de dos minutos), Crítica (dos presentadores evalúan el material) y Debate (discusión formal entre dos posturas) . También puedes elegir el idioma de salida y escribir instrucciones para que el audio se centre en un tema concreto. El español está disponible, junto con más de 80 idiomas.
Hay límites que conviene conocer. La duración ajustable solo funciona en inglés, el modo interactivo —en el que interrumpes a los presentadores con la voz— también es exclusivo de ese idioma, y Google advierte de que los resúmenes, voces incluidas, «pueden contener errores o fallos de audio» . En cuanto al uso, los límites de Gemini Notebook dependen de los recursos de computación, se renuevan cada cinco horas hasta un tope semanal, y son más generosos en los planes de pago. En el plan gratuito, por ejemplo, se pueden generar hasta tres resúmenes de audio al día .
La aplicación Gemini también puede generar resúmenes de audio a partir de documentos, presentaciones y cuadernos de NotebookLM, sin necesidad de crear un cuaderno aparte. Subes el archivo en gemini.google.com, pides el resumen y la herramienta tarda entre tres y cinco minutos en generarlo. Se puede descargar o compartir con un enlace. La función no está disponible para menores de 18 años .
La vía de la lectura fiel: ElevenLabs y su apuesta por voces naturales
Si lo que buscas es escuchar el texto exacto, sin reinterpretaciones, los servicios especializados en texto a voz son la opción. ElevenLabs es uno de los más reconocidos. Su tecnología de texto a voz permite pegar un texto, seleccionar una voz y generar un archivo de audio con una calidad que, en muchos casos, resulta difícil de distinguir de una grabación humana .
La plataforma ofrece más de 17.500 voces en su biblioteca, y su modelo más reciente, Eleven v4, soporta más de 90 idiomas . El proceso es directo: se accede al «Playground» de texto a voz, se pega el texto (hasta 5.000 caracteres por petición en el plan gratuito), se elige una voz y se pulsa generar . El plan gratuito incluye 10.000 caracteres al mes y acceso a la biblioteca de voces, pero el uso comercial requiere un plan de pago .
ElevenLabs también cuenta con una aplicación de lectura, ElevenReader, que permite subir PDF, DOCX, EPUB, Markdown y TXT para escucharlos. Además, su función GemFM puede generar resúmenes tipo pódcast a partir de un enlace web o un texto pegado, compitiendo directamente con la propuesta de Gemini Notebook . La diferencia principal está en el enfoque: ElevenLabs prioriza la naturalidad de la voz y la fidelidad al texto, mientras que Gemini Notebook prioriza la síntesis y la reinterpretación.
Qué tener en cuenta antes de convertir un texto en audio
Hay un aspecto legal que conviene no pasar por alto. Tanto las condiciones de ElevenLabs como las de Gemini Notebook establecen que no se puede subir contenido sobre el que no se tengan los derechos necesarios. Para escuchar un texto en casa, por uso personal, hay cierto margen; para compartirlo o publicarlo, no. La Ley de Propiedad Intelectual reserva al autor la reproducción de su obra, y convertir un libro ajeno en audio para distribuirlo infringe esos derechos .
Otro punto importante es la calidad del material de partida. Un texto desordenado o con mucha información secundaria producirá un resumen de audio que dedique espacio a ideas poco importantes. Si los apuntes ya están bien estructurados, se pueden subir directamente; si están dispersos, conviene ordenarlos primero con un asistente de texto antes de generar el audio .
Preguntas frecuentes sobre convertir texto a audio con IA
¿Cuál es la diferencia entre un resumen de audio y una lectura con voz sintética?
Un resumen de audio reinterpreta el contenido y lo convierte en una conversación entre presentadores, sintetizando las ideas principales. Una lectura con voz sintética reproduce el texto tal cual, con fidelidad al original.
¿Gemini Notebook genera resúmenes en español?
Sí. La herramienta soporta más de 80 idiomas, incluido el español, y permite seleccionar el idioma de salida en la configuración .
¿ElevenLabs es gratuito?
Ofrece un plan gratuito con 10.000 caracteres al mes y acceso a la biblioteca de voces, pero el uso comercial requiere un plan de pago .
¿Puedo convertir un libro que no es mío para escucharlo yo?
Para uso personal en casa hay cierto margen, pero compartirlo o publicarlo infringe los derechos de autor. Tanto ElevenLabs como Gemini Notebook exigen que el usuario tenga los derechos necesarios sobre el contenido que sube .
¿Los resúmenes de audio son fiables para estudiar?
Sirven para repasar y decidir si un documento merece una lectura completa, pero pueden contener errores o simplificaciones. No sustituyen al material original cuando necesitas comprobar un dato con precisión.
¿Qué herramienta elijo si quiero escuchar un PDF exacto?
ElevenLabs o el lector integrado del móvil. Si prefieres un resumen conversacional para repasar, Gemini Notebook es la opción más directa.
Recuerde que…
La IA ha abierto dos caminos para «escuchar» un texto, y ninguno es mejor que el otro: son herramientas distintas para necesidades distintas. Si lo que buscas es exactitud, una voz sintética que lea el original es la respuesta. Si lo que quieres es una síntesis cómoda para repasar mientras caminas, un resumen tipo pódcast cumple la función. Lo importante es no confundir ambos formatos y recordar que el audio generado por IA es un apoyo, no un sustituto del texto cuando la precisión importa. Y si el texto no es tuyo, convertirlo para escucharlo tú no es lo mismo que compartirlo: la línea entre el uso personal y la distribución es más fina de lo que parece.
Pueden encontrar más contenido en https://fernandojuca.com, así como videotutoriales y pódcast en https://youtube.com/fernandojucamaldonado.
Fuentes:
- Euroinnova: «IA para crear pódcast: convierte tus apuntes en audio con Gemini Notebook»
-
Google Help: «Generar resúmenes de audio en las aplicaciones Gemini»
-
ElevenLabs Documentation: «Text to Speech (Product Guide)»
-
ElevenLabs Documentation: «ElevenCreative Quickstart»
