Resemble AI
Herramienta · el análisis se ha elaborado a partir de las páginas oficiales de la propia plataforma y de las herramientas que la acompañan.
Véase también: cómo leer las fichas и sobre las fuentes y el método.
Panorama general
Resemble AI es una plataforma de seguridad de la IA generativa más modelos de voz. La composición de los productos está tomada del índice legible por máquina del sitio, el archivo llms.txt, declarado en el robots.txt del propio Resemble.
Tres partes se refieren a la seguridad. Detect: reconocimiento de deepfakes en audio, vídeo e imágenes, incluso en llamadas y en reuniones. Verify: marcas de agua de procedencia, PerTh para el audio y VideoSeal para imágenes y vídeo. Identity: registro y cotejo del hablante a partir de una muestra desde cuatro segundos.
La parte de voz está llevada a modelos abiertos: Chatterbox, síntesis de voz con clonación de voz sin entrenamiento previo (zero-shot), y también Chatterbox Turbo, Chatterbox Multilingual y DramaBox. En el pie del sitio se enumeran aparte Resemble TTS, Resemble Voice Creation, Resemble Audio y Resemble STS.
Sobre el idioma de entrada la fuente habla directamente. Chatterbox Multilingual está declarada como «20+ languages», y la lista se nombra una a una: Arabic, Chinese, Czech, Dutch, English, Finnish, French, German, Hebrew, Hindi, Italian, Japanese, Korean, Norwegian, Polish, Portuguese, Russian, Spanish, Swedish, Turkish, Vietnamese. El ruso, el árabe, el hindi y el chino están en la lista. El modelo está publicado bajo licencia MIT, y el acceso a él no depende del plan. Para el reconocimiento de deepfakes se declara validación en 51 idiomas.
Con qué plataformas funciona
La respuesta se conoce a medias. Una exportación directa del audio terminado a plataformas de publicación no aparece en lo leído: no se encontró en el sitio una sección sobre la exportación del resultado a redes sociales o a servicios de streaming.
Lo que sí está documentado son las integraciones de procesos de trabajo y de seguridad. Para Resemble Meetings se nombran Zoom, Microsoft Teams, Google Meet y Webex. Aparte se enumeran la extensión para Chrome, los protocolos SIP y SIPREC para operadores de telecomunicaciones, los SDK para Python, Node.js y JavaScript y una página aparte, Integrations and environments. El despliegue se declara en tres formas: en la nube, en instalaciones propias y en un perímetro aislado. Estos son los lugares de donde la herramienta toma el sonido para comprobarlo, no los lugares donde publica lo terminado.
Cuánto cuesta
Los precios son de la página de precios, la moneda son dólares estadounidenses.
TEAM: 350 dólares al mes con pago mensual y 280 dólares al mes con pago anual; el ahorro al año se indica como 840 dólares. En el plan entran 5 puestos, tarifas de procesamiento reducidas, Intelligence para reuniones, cargas grandes y por lotes.
BUSINESS: 1000 dólares al mes con pago mensual y 800 dólares al mes con pago anual, un ahorro de 2400 dólares al año. Incluye 20 puestos, integración de calendario para toda la empresa, avisos de seguridad para reuniones y SSO.
ENTERPRISE: precio por acuerdo, con descuentos por volumen, SLA, ajuste fino del modelo e instalación en instalaciones propias.
El escalón de pago mínimo es de 280 dólares al mes, es decir, TEAM con pago anual. El escalón gratuito FLEX cuesta 0 dólares y se tarifica por unidad.
La salvedad es importante: la tabla de tarifas cubre Detect, Intelligence, Meetings, Identity y Watermarker. Una lista de precios aparte para la síntesis de voz y la clonación de voz no hay en la página de precios.
Qué es gratis
FLEX: 0 dólares al mes, sin cuota de abono y sin tarjeta, con pago por lo consumido a partir de créditos comprados por adelantado.
En FLEX entran el reconocimiento de deepfakes en audio, imágenes y vídeo, la analítica Intelligence, el registro de identidad, el reconocimiento en tiempo real para reuniones, la comprobación de SynthID y la firma de grabaciones C2PA, el acceso a la plataforma y a la API. Puestos en el equipo: uno.
Sobre los créditos la página responde textualmente: «No, credits on the Flex Plan never expire» — no caducan nunca.
El cero en la casilla de la cuota de abono no significa trabajo gratuito: habrá que pagar por los segundos y las llamadas realmente procesados, no por el mes.
Limitaciones
Límites en minutos la herramienta no tiene: la tarificación es por segundo y por llamada, y la tasa depende del plan. Las tasas son del bloque «Processing rates» de la página de precios.
Detect para audio e imágenes: 0,03500 dólares por segundo en FLEX y 0,01500 dólares en TEAM y BUSINESS. Detect para vídeo: 0,07000 y 0,03000 dólares por segundo respectivamente. Intelligence: 0,02500 y 0,01500 dólares por segundo. Identity search: 0,00050 dólares por llamada. Watermarker: encode, 0,00050 dólares; decode, 0,00020 dólares por llamada. Para ENTERPRISE se declara un precio por volumen.
Los puestos se cuentan por planes: 1 en FLEX, 5 en TEAM, 20 en BUSINESS. Los créditos de FLEX no caducan, y no hay compromisos mínimos.
La limitación no está construida como un techo, sino como una tasa: la diferencia entre FLEX y los planes de pago es la diferencia en el precio del segundo.
Derechos sobre el resultado
La respuesta se conoce en parte. Las condiciones de uso no contienen una transferencia directa de derechos sobre el audio generado: una formulación sobre la propiedad del resultado (Output) no está en el texto. Diferencias por planes tampoco describen aquí las condiciones.
Lo que sí hay en las condiciones: Resemble se reserva los derechos sobre los Aggregated Data, es decir, los derivados anonimizados y los metadatos. Y hay una prohibición directa de aplicar el resultado «to train, improve, or otherwise further develop your own or any third party's product»: no se puede entrenar con él, ni mejorar con él, ni desarrollar tu producto o el de un tercero.
Una rama aparte son los modelos abiertos. Para Chatterbox Multilingual se declara «Full model weights on Hugging Face … No vendor lock-in, no commercial restrictions» bajo licencia MIT: los pesos completos están publicados, y no hay atadura al proveedor ni restricciones comerciales. La salvedad es importante: esto se refiere al modelo abierto alojado por cuenta propia, y no al trabajo a través de la plataforma.
Lo que faltó: de quién es el audio creado a través de la plataforma no se desprende de lo leído.
Entrenan con tus datos
La respuesta se conoce en parte: las condiciones delimitan dos nociones.
Content, lo que has cargado, se usa «for the purposes of having Resemble AI synthesizing and generating an AI voice model»: para que Resemble sintetice y cree un modelo de voz.
Aggregated Data, los derivados anonimizados y los metadatos, «may be used for … internal learning and training», es decir, pueden ir al aprendizaje interno, y también a la depuración, la corrección de errores y el desarrollo del producto.
Lo que faltó: una afirmación directa de que las grabaciones originales del usuario van al entrenamiento de los modelos del producto no está en el texto, y el alcance del entrenamiento con audio en bruto no se revela.
La renuncia no se describe en absoluto. Un mecanismo para negarse al uso del contenido y de los datos agregados para el aprendizaje interno las condiciones no lo dan, ni por ajuste ni por plan. Pero eso no es una declaración de que se pueda renunciar.
Cómo se gana con él
El uso comercial está directamente permitido en una rama, la abierta: para Chatterbox Multilingual se declara «No vendor lock-in, no commercial restrictions» bajo licencia MIT, y eso no depende del plan.
Sobre el resultado creado a través de la plataforma misma no hay respuesta: las condiciones no describen una transferencia de derechos sobre el resultado ni trazan diferencias por planes. La ausencia de respuesta no es permiso ni prohibición.
Una prohibición actúa por encima de todo: el resultado no se puede aplicar para entrenar, mejorar o desarrollar tu producto o el producto de un tercero.
Qué no hará
Lo más delicado aquí es de quién es la voz que se puede cargar.
El consentimiento de la persona cuya voz se clona es obligatorio. Las condiciones de uso dicen textualmente, con la ortografía de la fuente: «Resemble may require consent form the individual or third party whose voice is being cloned. Consent needs to be verbal, unless otherwise stated by Resemble». El consentimiento por defecto es verbal, no escrito; otra forma puede ser necesaria solo si Resemble indica expresamente otra cosa. El usuario, además, declara que es dueño del contenido o que tiene «the necessary licenses, rights, consents and permissions»: las licencias, los derechos, los consentimientos y los permisos necesarios.
La página de ética formula lo mismo con más dureza: «voice cloning only occurs with the explicit consent of the individual» — la clonación de voz ocurre solo con el consentimiento expreso de la persona.
El consentimiento se comprueba: la identidad al obtenerlo se coteja con la tecnología de reconocimiento del hablante Resemblyzer.
En cambio, una prohibición directa y aparte de clonar la voz de una persona pública no aparece en lo leído; una norma así no se encuentra. Lo más cercano es la prohibición general de «impersonation without authorization», hacerse pasar por otro sin autorización. Leer esto como un permiso para las voces de personas públicas no se puede: la exigencia del consentimiento de la persona cuya voz se clona no tiene ninguna excepción en la fuente. Solo falta una norma declarada aparte precisamente sobre las personas públicas.
Los temas prohibidos se nombran en una lista: el discurso de odio y la discriminación, el terrorismo y la violencia, la explotación de menores, el contenido sin atribución y la distorsión de la fuente, los envíos masivos no deseados y los mensajes que inducen a error. En las condiciones se añaden a esto las declaraciones falsas de afiliación y el phishing para obtener datos financieros.
Publicar el audio terminado por ti no podrá: una exportación directa a plataformas de publicación no aparece en lo leído.
Decir el precio de la síntesis de voz y de la clonación de voz tampoco podrá: una lista de precios aparte para la parte de voz no hay en la página de precios.
Dejarte renunciar al aprendizaje interno no está en condiciones de hacerlo: un mecanismo de renuncia las condiciones no lo describen.
Con el marcado el cuadro es desigual. Para los modelos abiertos se declara obligatorio y automático: «Every clip is watermarked with PerTh at generation, before it leaves the model», sobre Chatterbox Multilingual, y «Every output watermarked with PerTh at generation», sobre DramaBox. La marca se declara inaudible y resistente a la recodificación. Y en las condiciones Resemble Watermarker se menciona solo como producto: la obligatoriedad del marcado de todas las salidas de la plataforma y las diferencias por planes no se describen allí. La obligatoriedad está confirmada para modelos concretos; una regla para toda la plataforma no aparece en lo leído.
Datos verificados de la base
Los datos comprobados en los que se apoya el análisis.
Qué es esta plataforma
Plataforma de seguridad de la IA generativa más modelos de voz. Detect — reconocimiento de deepfakes en audio, vídeo e imágenes, incluso en llamadas y en Zoom, Teams, Meet, Webex. Verify — marcas de agua de procedencia: PerTh para audio, VideoSeal para imágenes y vídeo. Identity — registro y cotejo del hablante a partir de una muestra desde cuatro segundos. La parte de voz está externalizada en modelos abiertos: Chatterbox (TTS con clonación de voz zero-shot), Chatterbox Turbo, Chatterbox Multilingual, DramaBox; en el pie del sitio se enumeran aparte Resemble TTS, Resemble Voice Creation, Resemble Audio y Resemble STS
llms.txt es el índice oficial legible por máquinas del sitio, declarado en el propio robots.txt de Resemble; la composición de productos se cotejó con el pie de https://www.resemble.ai/pricing
fuente, comprobado 2026-08-07
Chatterbox Multilingual: «20+ languages» (textual) — Arabic, Chinese, Czech, Dutch, English, Finnish, French, German, Hebrew, Hindi, Italian, Japanese, Korean, Norwegian, Polish, Portuguese, Russian, Spanish, Swedish, Turkish, Vietnamese. El ruso, el árabe, el hindi y el chino están en la lista. El modelo está bajo licencia MIT y no depende de la tarifa. Para el reconocimiento de deepfakes se declara la validación en 51 idiomas
La cifra de 51 idiomas para Detect se tomó de https://www.resemble.ai/llms.txt
fuente, comprobado 2026-08-07
Plataformas
No hay en lo leído exportación directa del audio terminado a plataformas de publicación. Están documentadas las integraciones de flujos de trabajo y seguridad: Zoom, Microsoft Teams, Google Meet y Webex para Resemble Meetings, extensión para Chrome, SIP y SIPREC para operadores de telecomunicaciones, SDK para Python, Node.js y JavaScript, y una página aparte Integrations and environments. El despliegue se declara en la nube, en la infraestructura propia y en un contorno aislado
No hay en el sitio una sección sobre la exportación del resultado a redes sociales o streaming; solo se enumeran integraciones de flujos de trabajo
fuente, comprobado 2026-08-07
Cuánto cuesta
FLEX — $0 al mes, sin cuota de abono y sin tarjeta, pago por uso con créditos comprados por adelantado. Incluye: reconocimiento de deepfakes en audio, imágenes y vídeo, la analítica Intelligence, el registro de identidad, el reconocimiento en tiempo real para reuniones, la comprobación de SynthID y la firma de grabaciones C2PA, acceso a la plataforma y a la API; 1 puesto en el equipo. «No, credits on the Flex Plan never expire» (textual)
La composición de FLEX y la respuesta sobre los créditos se tomaron de la tabla de tarifas y del bloque FAQ de la misma página
fuente, comprobado 2026-08-07
TEAM — $350 al mes con pago mensual y $280 al mes con pago anual (ahorro de $840 al año), 5 puestos, tarifas de procesamiento reducidas, Intelligence para reuniones, subidas grandes y por lotes. BUSINESS — $1,000 al mes con pago mensual y $800 al mes con pago anual (ahorro de $2,400 al año), 20 puestos, integración de calendario a escala corporativa, avisos de seguridad para reuniones, SSO. ENTERPRISE — precio por contrato (descuentos por volumen, SLA, ajuste fino del modelo, instalación en la infraestructura propia). IMPORTANTE: la tabla de tarifas cubre Detect, Intelligence, Meetings, Identity y Watermarker; no hay en la página de precios una lista de precios aparte para la síntesis de voz y la clonación
El título de la página — «Deepfake Detection & AI Security Pricing | Resemble AI», lo que confirma el posicionamiento actual de la lista de precios
fuente, comprobado 2026-08-07
280 USD al mes — tarifa TEAM con pago anual; con pago mensual, 350 USD al mes. El escalón gratuito FLEX cuesta 0 USD y se tarifica por unidad
Las cantidades se tomaron de la tabla de tarifas y de la tabla resumen «Transparent flexible pricing» de la misma página
fuente, comprobado 2026-08-07
Límites y restricciones
No hay límites en minutos; la tarificación es por segundo y por llamada. Detect para audio e imágenes: $0.03500 por segundo en FLEX y $0.01500 en TEAM y BUSINESS. Detect para vídeo: $0.07000 y $0.03000 por segundo. Intelligence: $0.02500 y $0.01500 por segundo. Identity search: $0.00050 por llamada. Watermarker encode — $0.00050, decode — $0.00020 por llamada. Para ENTERPRISE se declara volume pricing. Puestos: 1 en FLEX, 5 en TEAM, 20 en BUSINESS. Los créditos de FLEX no caducan y no hay compromisos mínimos
Las tasas se tomaron del bloque «Processing rates» de la tabla resumen
fuente, comprobado 2026-08-07
Restricciones
DE QUIÉN ES LA VOZ: se requiere el consentimiento de la persona cuya voz se clona. Terms of Service: «Resemble may require consent form the individual or third party whose voice is being cloned. Consent needs to be verbal, unless otherwise stated by Resemble» (textual, se conserva la ortografía de la fuente) — es decir, el consentimiento por defecto es VERBAL, no escrito. El usuario también declara que posee el contenido o que tiene «the necessary licenses, rights, consents and permissions». La página de ética: «voice cloning only occurs with the explicit consent of the individual» (textual). VERIFICACIÓN: la identidad al obtener el consentimiento se coteja con la tecnología de reconocimiento del hablante Resemblyzer. NO hay una prohibición directa aparte de clonar la voz de una figura pública — tal norma no aparece en lo leído; lo más cercano es la prohibición general de la «impersonation without authorization». TEMAS PROHIBIDOS: el discurso de odio y la discriminación, el terrorismo y la violencia, la explotación de menores, el contenido sin atribución y la distorsión de la fuente, los envíos masivos no deseados, los mensajes engañosos; en los términos, además — las declaraciones falsas de afiliación y el phishing para obtener información financiera
Las fórmulas sobre el consentimiento explícito y la verificación mediante Resemblyzer y la lista de usos prohibidos — de la página https://www.resemble.ai/company/ethics
fuente, comprobado 2026-08-07
Aspectos legales
Los términos NO contienen una transferencia directa al usuario de los derechos sobre el audio generado: no hay en el texto una fórmula sobre la propiedad del Output. Resemble se reserva los derechos sobre los Aggregated Data — derivados y metadatos despersonalizados. Al usuario se le prohíbe emplear la salida «to train, improve, or otherwise further develop your own or any third party's product» (textual). No se describen diferencias por tarifas en los términos. Una rama aparte son los modelos abiertos: para Chatterbox Multilingual se declara «Full model weights on Hugging Face ... No vendor lock-in, no commercial restrictions» bajo licencia MIT
La salvedad sobre MIT y la ausencia de restricciones comerciales solo se refiere al modelo abierto autoalojado; fuente — https://www.resemble.ai/learn/models/chatterbox-multilingual
fuente, comprobado 2026-08-07
Los términos admiten el entrenamiento interno con datos derivados: el Content se usa «for the purposes of having Resemble AI synthesizing and generating an AI voice model» (textual), y los Aggregated Data «may be used for ... internal learning and training» (textual), así como para la depuración, la corrección de errores y el desarrollo del producto. No hay en el texto una afirmación directa de que las grabaciones originales de los usuarios vayan al entrenamiento de los modelos del producto
La distinción entre Content y Aggregated Data está en los términos, pero el alcance del entrenamiento con el audio en bruto no se revela
fuente, comprobado 2026-08-07
La marca de agua PerTh es tecnología propia de Resemble; para los modelos abiertos el marcado se declara obligatorio y automático: «Every clip is watermarked with PerTh at generation, before it leaves the model» (textual, Chatterbox Multilingual); para DramaBox — «Every output watermarked with PerTh at generation». La marca se declara inaudible y resistente a la recodificación. En los Terms of Service, Resemble Watermarker solo se menciona como producto: la obligatoriedad del marcado de todas las salidas de la plataforma y las diferencias por tarifas no se describen allí. Las llamadas Watermarker encode y decode se tarifican
La afirmación sobre el marcado obligatorio se refiere a modelos concretos; no se encontró una regla general de plataforma en los términos
fuente, comprobado 2026-08-07
Sección del catálogo: todos los similares Véase también: índice del catálogo · comparativa de planificadores · selección por situación · restricciones de las plataformas