Gemini Notebook y ElevenLabs: cómo escuchar textos con IA

Qué diferencia hay entre escuchar un texto tal cual y convertirlo en un pódcast con IA

Hay dos maneras muy distintas de escuchar un texto con inteligencia artificial, y confundirlas es el error más caro que comete un founder cuando intenta ahorrar tiempo. La primera es que una voz sintética lea el texto tal cual: es fiel, pero no resume nada. La segunda es que la IA lo reinterprete y lo convierta en una conversación entre presentadores: es cómoda, pero ya no es el texto original.

La distinción importa porque el audio dejó de ser un formato secundario. Según el estudio Audible Compass 2025, elaborado por Verian para Audible, más del 70% de la población de España, Italia, Francia y Alemania escucha contenido en audio —audiolibros, pódcast o series sonoras—, y España es el país con mayor interés y mayor porcentaje de escucha frecuente, según recogió Marca en febrero de 2026.

Para un equipo pequeño, la decisión práctica es esta: si necesitas el contenido exacto, usa un lector de voz. Si necesitas decidir si un documento merece tu tiempo, usa un resumen de audio.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Cómo funcionan los resúmenes de audio de Gemini Notebook

Gemini Notebook es el nombre que Google dio a NotebookLM en julio de 2026, según su anuncio oficial. La herramienta ya la usan más de 30 millones de personas en todo el mundo, según Infobae, y el cambio de nombre lo anunció Josh Woodward, vicepresidente de Google Labs, Gemini app y AI Studio.

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 notebook. Puedes elegir entre cuatro formatos:

Información detallada (por defecto): dos presentadores conversan y conectan los temas de tus fuentes.
Resumen: un solo orador presenta los puntos clave en menos de dos minutos.
Crítica: dos presentadores evalúan el material, por ejemplo un ensayo.
Debate: discusión formal entre dos posturas.

También eliges el idioma y puedes escribir instrucciones para que se centre en un tema. La herramienta admite más de 80 idiomas, entre ellos el español de España, el catalán, el gallego y el euskera, y está disponible en España.

Los límites conviene conocerlos antes de montar un flujo de trabajo sobre esto. La duración ajustable (más corto o más largo) solo funciona en inglés, y el modo interactivo, en el que interrumpes a los presentadores con la voz, también es solo en inglés. Google avisa además de que los resúmenes, voces incluidas, «pueden contener errores o fallos de audio».

El uso tiene un tope que Google no cifra en minutos: a noviembre de 2026, los límites de Gemini Notebook dependen de los recursos de computación, se renuevan cada 5 horas hasta un límite semanal y son el doble con AI Plus y cuatro veces mayores con AI Pro.

Un dato útil para dimensionar el trabajo: cada fuente puede contener hasta 500.000 palabras o pesar hasta 200 MB, y los usuarios del plan gratuito pueden agregar hasta 50 fuentes por notebook, mientras que los planes de pago amplían ese límite hasta 600, según Infobae.

Y en la app de Gemini, sin crear un notebook

La aplicación Gemini también puede generar resúmenes de audio a partir de documentos, presentaciones, notebooks e informes de Deep Research. Subes el archivo en gemini.google.com y le pides un resumen de audio. Google calcula que tarda entre 3 y 5 minutos y que se puede descargar o compartir con un enlace. La función no está disponible para menores de 18 años.

Hay una diferencia práctica que suele pasar desapercibida: según la ayuda sobre notebooks en Gemini, desde la aplicación Gemini no se pueden generar los elementos del panel Studio de Gemini Notebook, como sus resúmenes de audio, que solo están en Gemini Notebook.

El consejo del análisis original de WWWhat’s New es tratar el resumen como un tráiler, no como la película: sirve para decidir si un informe merece tu tarde, no para estudiar algo en lo que te juegas mucho.

El lector de voz del móvil: gratis, fiel y sin subir nada a la nube

Si lo que quieres es oír el texto exacto, tu móvil ya lo hace. No resume ni interpreta: lee.

En iPhone, la guía de Apple lo sitúa en Ajustes > Accesibilidad > Lectura y voz, con tres opciones:

Leer selección: seleccionas un texto y tocas «Leer».
Leer pantalla: deslizas dos dedos hacia abajo desde la parte superior y lee todo lo que hay en pantalla, con controles de pausa y velocidad. También puedes pedirle a Siri «Lee la pantalla».
Lector de accesibilidad: muestra el texto a pantalla completa y puede leerlo en voz alta automáticamente.

En Android, la función se llama Enunciar selección, según la ayuda de accesibilidad de Google: se activa en Ajustes > Accesibilidad y se lanza deslizando dos dedos hacia arriba. Además, en webs y aplicaciones con texto seleccionable puedes elegir el texto y tocar «Lectura en voz alta» en el menú emergente sin activar nada. Con la cámara, puede leer texto impreso mediante reconocimiento óptico en idiomas como español y catalán. Las rutas exactas pueden variar según el fabricante y la versión de Android.

Estas funciones nacieron para la accesibilidad y son, en opinión del autor del análisis original, la mejor opción para escuchar textos largos con fidelidad. Y tienen una ventaja que no es menor para cualquier empresa: el texto no sale del dispositivo.

ElevenLabs y ElevenReader: voces más naturales, con letra pequeña

Los servicios especializados ofrecen voces más expresivas. ElevenLabs anuncia en su página de texto a voz, a noviembre de 2026, más de 90 idiomas con su modelo Eleven v4, hasta 10.000 caracteres por petición y una biblioteca de más de 17.500 voces. Su aplicación de lectura, ElevenReader, permite subir PDF, DOCX, EPUB, Markdown y TXT para escucharlos.

El contexto de mercado ayuda a entender por qué estas herramientas se están volviendo infraestructura. TechCrunch reportó el 30 de septiembre de 2026 que ElevenLabs duplicó su valoración a US$22.000 millones en una operación secundaria de US$300 millones, tras haber alcanzado US$11.000 millones con una ronda de US$500 millones en febrero de ese año. Y según el informe Voice AI Agents Market Size, Share, and Industry Analysis de ResearchAndMarkets, difundido por Yahoo Finance en octubre de 2026, el mercado global de agentes de voz por IA pasó de US$3.400 millones en 2025 a una estimación de US$5.100 millones en 2026, con proyección de US$43.830 millones para 2036.

Lo importante para quien sube archivos está en las condiciones. Las condiciones de uso de ElevenLabs para el Espacio Económico Europeo dicen que conservas los derechos sobre lo que subes, pero también que no puedes subir contenido sobre el que no tengas todos los derechos necesarios, y que garantizas que su uso no vulnera derechos de terceros. Las condiciones de Gemini Notebook piden lo mismo: no compartir contenido protegido sin los derechos necesarios.

¿Puedes convertir en audio un libro o un artículo que no es tuyo?

Para escucharlo tú, en casa, hay cierto margen; para compartirlo, no. La Ley de Propiedad Intelectual reserva al autor la reproducción, la distribución, la comunicación pública y la transformación de su obra (artículo 17), y la transformación incluye adaptarla o modificarla (artículo 21).

La excepción de copia privada del artículo 31.2 permite reproducir una obra ya divulgada sin autorización si se cumplen a la vez varias condiciones: que lo haga una persona física para uso privado y sin fines comerciales, a partir de una fuente lícita, sin saltarse las condiciones de acceso, y sin que la copia se use de forma colectiva o lucrativa. El artículo exige además que la reproducción se haga «sin asistencia de terceros», y su apartado 3 deja fuera de esta excepción las obras puestas a disposición del público bajo demanda cuando un contrato regula su reproducción.

La lectura del análisis original es que eso deja en terreno dudoso subir un libro entero a un servicio en la nube que lo procesa por ti, que con un libro electrónico comprado en una plataforma mandan también sus condiciones, y que la ley no lo resuelve de forma expresa. Para un caso concreto, hay que consultar a un abogado.

Lo que no deja dudas es el otro extremo. Publicar el audio de un artículo o un libro ajeno en un pódcast o una red social es comunicación pública, y el artículo 20 solo excluye el ámbito estrictamente doméstico. Si además el audio es una reinterpretación de la IA, entras en el terreno de quién tiene derechos sobre lo creado con IA, que tampoco está cerrado.

Qué significa esto para tu startup

La pregunta no es qué herramienta suena mejor, sino qué decisión estás tomando con cada una. Estas son las acciones que puedes implementar esta semana:

Separa el uso de estudio del uso de filtrado. Para documentación que necesitas entender a fondo —un contrato, un paper, la letra pequeña de una ronda— usa el lector del móvil y escucha el original a 1,25x. Para decidir si un informe de 80 páginas merece tu tarde, genera un resumen de audio y decide en cinco minutos.
Nunca cites un resumen de audio como fuente. Google advierte que los resúmenes «pueden contener errores o fallos de audio». Si vas a tomar una decisión con ese contenido, vuelve al texto.
Revisa qué subes y a qué servicio. Antes de cargar un PDF de un cliente, un informe con licencia o un libro comprado, comprueba las condiciones del proveedor. Tanto ElevenLabs como Gemini Notebook te exigen tener los derechos necesarios sobre lo que subes.
Si produces contenido, el audio es un canal con demanda probada. Con más del 70% de la población de España, Italia, Francia y Alemania consumiendo audio, según Audible Compass 2025, convertir tus propios artículos o tu documentación interna en audio es una extensión natural de tu contenido, y ahí sí tienes los derechos.

Conclusión

El lector del móvil está infravalorado y los resúmenes de pódcast, sobrevalorados como herramienta de estudio. Para un texto que necesitas entender, escucha el original a 1,25x. Para saber si un texto merece tu tiempo, el pódcast sintético es un filtro excelente. Lo que no conviene es confundir uno con otro, ni asumir que el resumen que suena convincente es fiel a lo que dice el documento.