Descript mete Claude Fable 5, Sonnet 5 y las voces de ElevenLabs

Hay una cosa que se ve clarísima en el último resumen de novedades de Descript y de la que nadie habla: la herramienta ha dejado de intentar tener su propia IA de todo.

En el resumen del 17 de septiembre de 2026, Descript (enlace de afiliado: así me ayudas a seguir creando contenido) añade tres modelos al selector, cambia su catálogo de voces por el de otra empresa y mete un motor de transcripción nuevo. Ninguna de esas tres piezas es suya.

Y me parece la decisión correcta, aunque diga cosas interesantes sobre hacia dónde va esto.

¿Qué modelos hay ahora en el selector?

Tres nuevos, según el anuncio:

• Claude Fable 5, como modelo premium en los planes de pago.
• Claude Sonnet 5, para todo el mundo.
• Gemini Omni Flash, para generación de vídeo.

La frase que acompaña la lista es "distintos trabajos quieren distintos modelos", que es exactamente la conversación que llevamos teniendo desde que existen varios modelos decentes.

Fíjate en el reparto, que es lo jugoso: el modelo caro se reserva a los planes de pago y el más equilibrado va para todos. Es el mismo patrón que se ve en todas partes. El de arriba es el reclamo, el de en medio es el que de verdad hace el trabajo diario.

¿Importa qué modelo tenga dentro tu editor de vídeo?

Sí, y más de lo que parece.

Cuando le pides a Underlord (el copiloto de Descript) que te monte una escena, que te busque el mejor trozo de una grabación o que te genere un gráfico con lo que acabas de decir, quien decide si eso sale bien o sale regular no es el editor. Es el modelo que hay detrás.

Y ahí la diferencia entre modelos se nota en lo de siempre: en las peticiones ambiguas. "Hazme esto más dinámico" no significa nada, y un modelo mejor acierta más veces con lo que querías decir.

Sobre en qué gana cada uno de los modelos de Claude y cuándo compensa el caro, lo tengo desgranado en Opus 5 vs Fable 5. El criterio que uso ahí vale igual aquí dentro: no le tires el modelo premium a las tareas mecánicas.

Lo que el anuncio no dice es si el modelo premium consume créditos de IA de forma distinta al resto. Sabiendo cómo funciona el resto de la herramienta, yo me lo miraría antes de dejarlo puesto por defecto.

Las voces ahora vienen de ElevenLabs

Este es el cambio que más me ha llamado la atención de todo el resumen.

Dice el anuncio, tal cual: en cualquier sitio donde Descript te pida elegir una voz, esa lista viene ahora de la biblioteca de voces de ElevenLabs en vez de su propio catálogo corto. Mismo selector de siempre, muchísimas más voces dentro.

O sea que Descript ha mirado su catálogo de voces, lo ha comparado con el de la empresa que manda en esto y ha decidido que no merece la pena competir. Enchufa el de ellos y a otra cosa.

Para ti eso son más voces y mejores sin cambiar de herramienta. Si quieres entender qué hay al otro lado de ese selector, y sobre todo la parte de clonar tu propia voz, lo cuento paso a paso en cómo clonar tu voz con ElevenLabs.

¿Puedes cambiarle la voz a una grabación tuya?

Sí, y es otra de las novedades del mismo resumen.

Se llama "Convert to AI Speech". Seleccionas la grabación o la captura de pantalla, eliges esa opción y eliges voz. Tu guion se queda igual: lo que cambia es quién lo dice. Descript lo lee con la voz que hayas elegido.

El caso de uso que da el anuncio es el bueno: la toma está bien, el audio no, y no puedes volver a grabarla. Eso le pasa a todo el mundo que graba. El micro estaba mal puesto, entró una obra por la ventana, se te coló el eco de la habitación mala.

Yo con esto soy prudente y ya lo he dicho otras veces: las voces generadas dicen las palabras correctas con la música equivocada. La entonación de verdad sube y baja según lo que sientes al decirlo, y eso todavía se nota en frases largas. Para rescatar una toma perdida, perfecto. Para sustituir tu voz en un vídeo entero, yo no.

Y hay una pregunta que el anuncio no toca y que a mí me interesa: no dice si puedes usar ahí tu propia voz clonada en vez de una de catálogo. Tendrías que comprobarlo en tu cuenta.

Un motor de transcripción nuevo

Entre las mejoras pequeñas hay una que no es tan pequeña: Rev AI v3 como opción de motor de transcripción, disponible para todo el mundo.

Que puedas elegir motor importa porque la transcripción es el suelo sobre el que se construye todo lo demás en esta herramienta. Si editas borrando palabras del texto, una transcripción mala no te da un vídeo un poco peor: te da un flujo de trabajo roto.

El anuncio no compara motores ni dice cuál es mejor para qué idioma. Si grabas en castellano, la prueba es de las baratas de hacer: el mismo minuto de vídeo con los dos motores y comparas cómo escribe tus nombres propios y tus palabras raras. Ahí es donde se cae siempre.

¿Qué dice todo esto del futuro de estas herramientas?

Que la ventaja ya no está en tener el mejor modelo, porque el modelo se alquila.

Descript no entrena su propio modelo de lenguaje, ni su propio generador de voces, ni parece que su propio motor de transcripción. Enchufa a Anthropic, a Google, a ElevenLabs y a Rev, y su trabajo es que todo eso se sienta como una sola herramienta mientras editas.

La parte buena para ti: cada vez que salga un modelo mejor, tu editor lo hereda sin que tengas que cambiar de aplicación ni aprender nada nuevo.

La parte incómoda: lo que estás pagando no es la IA, es el envoltorio. Y el envoltorio tiene que valer lo que cuesta por sí solo, porque los modelos los puede enchufar cualquiera.

En el caso de Descript, para mí lo vale, porque el envoltorio es editar vídeo escribiendo y eso no lo hace igual de bien nadie. Pero es la pregunta que yo le haría a cualquier herramienta de IA antes de pagarla un año: quitando el modelo, ¿qué me estás dando?

Elegir bien qué herramienta de IA pagas y cuál te ahorras es criterio, no saber de tecnología. Si quieres ver en qué punto estás, tengo un test de nivel de IA que te lo dice en dos minutos.