Comparativa
CastDub como alternativa a PlayHT para diálogo con guion
La propia documentación de PlayHT describe un modelo hecho para la conversación, al que se llega por una API. CastDub es un lugar donde sentarse a montar una escena. Esta página trata de cuál de los dos necesitas, y es sobre todo una pregunta sobre si escribes código.
Verificado el:
Competimos con PlayHT, así que sigue los enlaces. Una advertencia poco común primero: el 2026-09-21, play.ht rechazó de plano a nuestro lector —la conexión se cerró en su página de precios y en su página de inicio, tres intentos—. Por eso en esta página no hay ningún precio de PlayHT, ni condiciones de su nivel gratuito, ni condiciones de uso comercial. Todo lo de abajo viene de docs.play.ht, que sí respondió.
Vale la pena decir esa limitación en voz alta, porque la pregunta más común sobre cualquier herramienta es cuánto cuesta, y en esta página no podemos contestarla por ellos.
Lo que pudimos verificar
| CastDub | PlayHT | ElevenLabs | |
|---|---|---|---|
| ¿Varios personajes desde un solo guion pegado? | Sí, y es el producto entero: pegas un guion, la herramienta separa las líneas, deduce quién habla y le da a cada hablante uno de los 40 personajes de la biblioteca. Hasta 10 voces base distintas en un mismo proyecto. | PlayDialog es «a more advanced model that can generate turn-based dialogues with multiple voices», a través de la API. (fuente) | «There is no limit to the number of speakers in a dialogue» (Text to Dialogue, Eleven v3). (fuente) |
| ¿Editor o API? | Un editor web. Pegar, repartir, dirigir, exportar. No hay API pública para guiones. | Documentado como una API con motores de voz, límites de tasa y guía de latencia. (fuente) | Las dos cosas: una API y el editor Studio. (fuente) |
| Control de emoción | Por línea en Pro; en todos los planes cada personaje lleva una emoción de base. 7 emociones, actuadas en la línea misma y no imitadas con ajustes de tono. | PlayDialog usa un «Adaptive Speech Contextualizer» para «control prosody, intonation, emotion and pacing»; las etiquetas de emoción por línea no constan. (fuente) | Etiquetas de audio entre corchetes como [sad] dentro del texto. (fuente) |
| Idiomas | 9: inglés, chino, japonés, coreano, español, portugués, francés, alemán y ruso. Todas las voces base hablan los nueve. Fuera del inglés no se elige el acento regional, y no lo prometemos. | Play 3.0 Mini «Supports 36 languages»; PlayHT 2.0 Turbo es «English only»; el multilingüe de PlayDialog está marcado «Beta»; PlayDialog Turbo en Groq: «Only two language options are supported: english and arabic». (fuente) | «74» idiomas listados frente a los niveles de pago. (fuente) |
| ¿Clonar tu propia voz? | Solo tu propia voz: lees en voz alta una breve declaración de consentimiento y esa grabación se convierte en la voz, hasta 3 por cuenta. Lee líneas en los 9 idiomas y respeta la velocidad de la línea; las emociones y las indicaciones de actuación no se le aplican. | «You can clone any voice instantly across languages with only 30 seconds of speech». (fuente) | Clonación instantánea desde Starter; profesional desde Creator. (fuente) |
| Precio y nivel gratuito | US$5 al mes por Basic cuando se activen los pagos. Durante la beta abierta no se cobra nada y todas las cuentas funcionan con las prestaciones del nivel Pro. Nivel gratuito: Sí: 4,500 créditos de descarga de una sola vez (unos 5 minutos de audio terminado en inglés), 30 líneas sintetizadas cada 24 horas y 2 personajes por proyecto. Generar y escuchar no gasta créditos en ningún plan. | Sin verificar. play.ht cerró la conexión a nuestro lector el 2026-09-21, así que no tenemos precios ni condiciones de su nivel gratuito desde su propio sitio. | Free $0 con 10k créditos al mes; Starter $6; Creator $11; Pro $99; Scale $299; Business $990. (fuente) |
| ¿Un archivo de audio por personaje (pistas separadas)? | Solo en Pro: un ZIP con la mezcla y, además, un MP3 completo por personaje. | No aplica en el mismo sentido: una API devuelve el audio que pides por llamada, y el armado te toca a ti. (fuente) | No consta; las descargas de Studio son «MP3 or WAV». (fuente) |
| ¿Subtítulos? | Plus y Pro: un archivo SRT, y exportarlo no gasta créditos. | No consta en las páginas de documentación que leímos. (fuente) | Subtítulos automáticos en Studio; un archivo SRT no consta. (fuente) |
Verificado el 2026-09-21. play.ht no le sirvió las páginas a nuestro lector, así que todas las filas de PlayHT vienen de docs.play.ht, que sí respondió.
Por eso esta página no contiene ningún precio de PlayHT, ni límites de su nivel gratuito, ni condiciones comerciales. Léelos en su propio sitio antes de decidir nada.
La columna de CastDub se interpola desde las definiciones de plan del producto al construir la página.
¿Reparte varios personajes de un mismo guion?
Los dos, pero a distinta altura. La documentación de modelos de PlayHT describe PlayDialog como «PlayHT's latest voice model built for fluid, emotive conversation» y «a more advanced model that can generate turn-based dialogues with multiple voices» (un modelo que genera diálogos por turnos con varias voces). Esa es una capacidad multihablante de verdad y es lo más parecido a lo nuestro que hay en estas páginas, expresado como un modelo que llamas y no como una sala donde trabajas.
CastDub es la sala. Pegas un guion, se separan las líneas, se crea un personaje por hablante y se reparte cada uno entre 40 perfiles de biblioteca; después te sientas con la escena: vuelves a generar una línea, cambias la emoción de base de un personaje, reordenas, exportas. Nada de ese ciclo exige una clave de API ni un programa tuyo.
Así que la pregunta real no es cuál produce diálogo —los dos lo hacen— sino si quieres una pieza de construcción o un banco de trabajo. Si estás conectando voz dentro de tu propio producto, un modelo con API es la elección correcta y un editor te estorba.
¿Cómo se controla la emoción?
De su lado, en buena medida de forma automática y con sofisticación. Esa misma documentación le atribuye a PlayDialog una capacidad emocional «state-of-the-art» y un «Adaptive Speech Contextualizer» usado para «control prosody, intonation, emotion and pacing»: el modelo lee el contexto de la conversación y decide la interpretación. Las etiquetas de emoción por línea no constan en las páginas que leímos.
Del nuestro, de forma explícita: 7 emociones, una de base por personaje en todos los planes y el ajuste por línea en Pro, más un control de velocidad de cinco pasos en Plus y Pro. Cada línea se interpreta según su dirección en vez de filtrarse para darle forma.
Aquí hay un intercambio fácil de pasar por alto. La interpretación contextual suele salir mejor a lo largo de una conversación entera, porque el modelo escuchó el turno anterior. La dirección explícita por línea es mejor en esa línea que tiene que romper el patrón: el chiste que cae plano a propósito, la confesión que baja la voz. Si la mayor parte de tu trabajo es del primer tipo, su enfoque puede darte mejores escenas con menos esfuerzo.
¿Qué idiomas?
Su documentación es específica por modelo y los números varían mucho: Play 3.0 Mini «Supports 36 languages»; PlayHT 2.0 Turbo figura como «English only»; el soporte multilingüe de PlayDialog está marcado «Beta» en su tabla comparativa; y para PlayDialog Turbo alojado en Groq, «Only two language options are supported: english and arabic».
Eso vale leerlo dos veces si produces en algo que no sea inglés, porque el modelo multihablante y la lista amplia de idiomas no son el mismo modelo. Nosotros no tenemos una trampa equivalente: las 10 voces base hablan los 9 idiomas —inglés, chino, japonés, coreano, español, portugués, francés, alemán y ruso— y todas las funciones andan igual en cada uno.
Lo que no ofrecemos es elegir el acento regional fuera del inglés, ni prometer una calidad revisada por nativos. Pega tus propias líneas y escucha; esa es la única prueba que lo resuelve.
¿Puedo clonar mi propia voz?
La suya, sí: su documentación dice que «You can clone any voice instantly across languages with only 30 seconds of speech» (clonar cualquier voz al instante, entre idiomas, con solo 30 segundos de habla). Treinta segundos es un listón bajo y clonar entre idiomas es una capacidad real.
La nuestra, sí, pero solo la tuya. La única grabación que aceptamos eres tú leyendo en voz alta una breve declaración de consentimiento, y esa grabación es la voz: nada de figuras públicas, nunca un menor, nunca nadie más. Lee líneas en cualquiera de nuestros 9 idiomas y respeta la velocidad de la línea; las emociones y las indicaciones de actuación no se le aplican.
Como en todas las páginas de esta familia, ese es un desempate limpio: si tu producción depende de una voz real concreta que no es la tuya, o de un clon que actúe, usa una herramienta construida alrededor de la clonación.
¿Qué te llevas al final?
De nosotros: un MP3 mezclado en todos los planes, un SRT en Plus y Pro sin costo de créditos, y en Pro un ZIP con la mezcla más un MP3 completo por personaje para la sesión de mezcla. No hay WAV, y eso es una limitación real si entregas contra una ficha técnica.
De una API, lo que te llevas es lo que pediste: bytes de audio por solicitud, y el armado —los huecos entre líneas, los tiempos, el archivo de subtítulos— te toca construirlo. Su documentación menciona un límite que conviene prever en el motor Turbo y límites de tasa que «depend on the API you are using and the plan». Nada de eso es una crítica; es lo que es una API. Pero significa que la comparación en realidad es entre nuestra tarde de clics y tu tarde de plomería.
Nuestro modelo de créditos quizá también cuente aquí: los créditos se gastan solo al descargar, no al generar ni al escuchar, con un techo de síntesis por día en su lugar (30 líneas en Free, 2,000 en Pro). Experimentar no se mide.
Cuándo conviene elegir PlayHT y no a nosotros
Cuando estás construyendo software. Si la voz es una función de tu propio producto —un agente, un videojuego, una app de lectura—, necesitas una API y un modelo, y un editor web tiene la forma equivocada. Su modelo de diálogo está documentado justo para eso.
Cuando necesitas de la clonación algo más que tu propia voz leyendo líneas, con su clon instantáneo de treinta segundos. Cuando necesitas uno de los 36 idiomas de Play 3.0 Mini que nosotros no tenemos, teniendo presente qué modelo recibe qué idiomas. Y cuando la latencia importa: su documentación tiene una página sobre cómo reducirla, lo que te dice para qué tipo de cliente diseñan.
Elígenos cuando quien se sienta con el guion es una persona y no un programa: varios hablantes, líneas que vas a volver a cortar y una necesidad de pistas por personaje y subtítulos al final sin escribir una línea de código.
Cómo se escribió esta página
Somos competidores y esta página la escribimos nosotros, así que lo único que la hace valer tu tiempo es que se pueda comprobar. Cada afirmación sobre PlayHT de arriba está citada de docs.play.ht, leída el 2026-09-21, con el enlace al lado.
Faltan aquí tres temas enteros —precio, límites del nivel gratuito, condiciones comerciales— porque play.ht nos cerró la conexión. Podríamos haber sacado esos números de una docena de sitios de reseñas. No lo hicimos, porque una página que mezcla citas verificadas con números de segunda mano es menos confiable que una que admite un agujero, y porque los precios que publican esas reseñas se contradicen entre sí.
No hemos afirmado nada sobre qué voces suenan mejor, y no pusimos una cruz en ningún lado donde simplemente no encontramos algo. Donde su capacidad es genuinamente más fuerte —un modelo de diálogo documentado, clonación en treinta segundos, 36 idiomas en uno de sus motores— está dicho con sus palabras, no rebajado en una paráfrasis.
Nuestra columna la genera el código de planes con el que corre el producto, así que no puede derivar hacia la adulación.
De dónde sale cada dato
Todas las filas de arriba que describen otro producto salen de estas páginas. Ábrelas tú mismo: las empresas cambian sus planes sin avisarle a nadie, tampoco a nosotros.
- PlayHT — Voice engines documentation — PlayDialog “can generate turn-based dialogues with multiple voices” and uses an “Adaptive Speech Contextualizer” for “prosody, intonation, emotion and pacing”; Play 3.0 Mini “Supports 36 languages”; PlayHT 2.0 Turbo “English only”; PlayDialog multilingual marked Beta.
- PlayHT — Dialog Turbo on Groq — “Only two language options are supported: english and arabic.”
- PlayHT — Documentation home — “You can clone any voice instantly across languages with only 30 seconds of speech”; PlayDialog listed as a voice engine.
- PlayHT — Rate limits — “our APIs are rate-limited. The specific limits depend on the API you are using and the plan”.
- PlayHT — Pricing — Connection closed to our fetcher on 2026-09-21; no prices or plan terms were taken from it.
- ElevenLabs — Pricing — Plan prices and credits; cloning tiers; 74 languages.
- ElevenLabs — Text to Dialogue documentation — No limit on speakers in a dialogue; bracketed audio tags control delivery.
Preguntas frecuentes
¿Por qué esta página no lista los precios de PlayHT?
Porque su sitio no le sirvió las páginas a nuestro lector el 2026-09-21: tres intentos, conexión cerrada cada vez. Todo lo de aquí viene de su documentación, que sí respondió. Revisa su página de precios directamente; agregaremos las cifras en cuanto podamos leerlas en su propia página.
¿PlayDialog es lo mismo que el reparto de CastDub?
No, y la diferencia es la capa. PlayDialog es un modelo documentado como generador de «turn-based dialogues with multiple voices» a través de una API; CastDub es un editor que toma un guion entero pegado, crea personajes, los reparte entre 40 perfiles de biblioteca y te deja volver a cortar líneas sueltas sin escribir código.
¿CastDub tiene API?
No hay API pública para producir guiones. Si necesitas generar diálogo desde dentro de tu propio software, un proveedor que empieza por la API tiene la forma correcta y nosotros no somos candidatos.
¿Cuántas voces puede usar una escena?
10 voces base distintas (4 femeninas, 5 masculinas, 1 neutra). Más allá de eso, los personajes comparten voz y se separan solo por la dirección de actuación, así que planea las escenas corales grandes con ese número en mente.
¿Qué idiomas admite CastDub?
9: inglés, chino, japonés, coreano, español, portugués, francés, alemán y ruso, y cada voz base habla todos. El acento regional fuera del inglés no se elige y no lo prometemos.
¿Puedo obtener pistas separadas para mezclar?
En Pro: un ZIP con la mezcla y un MP3 completo por personaje, más un SRT. En Plus y Pro recibes subtítulos y un solo MP3 mezclado. Todo es MP3; no hay exportación en WAV.
Si estás con alguno de estos proyectos
Voces para tu reparto
Otras comparativas
Reparte tu primera escena esta noche
Pega un guion, deja que CastDub le dé una voz propia a cada personaje y exporta un audiodrama terminado.
Empieza gratisSin tarjeta. Free te da una bolsa única de créditos.