Cómo crear una voz en off con IA (y los detalles de licencia que la mayoría de las guías omiten)

La síntesis de voz ha superado la frontera entre lo robótico y lo convincente, y lo ha hecho recientemente, de modo que
la percepción que la mayoría de las personas tiene al respecto ya está desactualizada. Si necesita una narración para un video, un curso, una
introducción de podcast o una versión en audio de un artículo, este es el proceso real que implica.

¿Cómo se crea un doblaje con IA?

Pegue su guion en una herramienta de conversión de texto a voz, seleccione una voz y descargue el archivo de audio. No hay grabación,
ni micrófono ni edición posterior. Una narración de un minuto tarda menos de dos minutos desde el inicio hasta el final, y la mayor parte de ese tiempo se dedica a elegir la voz.
La decepción más común ocurre cuando una buena herramienta lee un guion escrito para ser leído en silencio. Ambas cosas

Escriba el guion pensando en el oído

La decepción más común es que una buena herramienta lea un guion escrito para ser leído en silencio. El
Frases cortas.

• Una oración que pueda pronunciar de un solo aliento suena natural. Una oración con tres cláusulas no lo hace.
  La puntuación marca el ritmo.
• Un punto final indica una pausa; una coma, un breve compás. Este es su principal control sobre el ritmo, y funciona mejor que cualquier ajuste disponible en la interfaz.
  Escriba los números con palabras
• cuando la lectura sea ambigua. «1990» podría interpretarse como un año o como mil novecientos noventa.
  Léalo en voz alta una vez usted mismo.
• Dondequiera que tropiece, el modelo también lo hará. La síntesis de voz suele facturarse por carácter, no por minuto. Los planes publicados de ElevenLabs constituyen un punto de referencia útil:

Su costo y la trampa de la licencia

La conversión de texto a voz normalmente se factura por carácter y no por minuto. Los precios publicados de ElevenLabs
6 USD/mes

Plan	Créditos mensuales	Un crédito equivale aproximadamente a un carácter, así que 10 000 créditos corresponden a unos 10 000 caracteres: varias	Precio
Gratis	10,000	No	$0
Básico	30,000	Sí	minutos de narración, suficientes para decidir si el resultado es adecuado para sus necesidades.

La línea que más importa es la de la columna central.
El plan gratuito no incluye

licencia comercial. Si el audio termina en un video monetizado, en un proyecto de un cliente o en cualquier contenido
que promocione una empresa, el plan gratuito no es el adecuado —y este es el detalle que la mayoría de las guías Si el audio termina en un video monetizado, un proyecto de un cliente o cualquier cosa
Invierta su tiempo aquí, en lugar de en los ajustes. Preste atención a tres aspectos, utilizando la misma
oración de su propio guion para cada voz candidata:

Elegir una voz

Pase su tiempo aquí en lugar de en la configuración. Tres aspectos a tener en cuenta, utilizando los mismos
Un ritmo más lento de lo que parece natural en la vista previa suele sonar correcto sobre

• un video. Cálida frente a autoritaria.
  Explicar algo se beneficia de una voz cálida;
• Calidez frente a la autoridad. Explicar algo se beneficia de la calidez;
  Las instrucciones se benefician de la claridad y la directividad. Un tono inadecuado es lo que hace que la narración suene artificial.
• La coherencia a lo largo de un pasaje extenso. Algunas voces mantienen su calidad mejor durante un párrafo entero
  que lo que sugiere una sola línea. Siempre pruebe con un párrafo real, nunca con una frase de ejemplo.

Clonar su propia voz

La mayoría de las herramientas pueden generar una voz a partir de una muestra de tu propia voz, lo cual merece la pena si produces
regularmente y desea una identidad coherente en todo lo que publique. Conlleva obligaciones una
guía sobre herramientas de clonación de voz
detalla qué requisitos tiene cada una.
Existen versiones gratuitas y son utilizables: ElevenLabs ofrece 10 000 créditos mensuales. Lo que generalmente no incluye la versión gratuita es una licencia comercial, cuyo precio comienza en 6 USD al mes en su plan Starter. Normalmente no, si el guion está bien escrito. Lo que delata la artificialidad casi siempre es la redacción —frases demasiado largas, ausencia de pausas, tono inadecuado para el contenido— y no la síntesis en sí.
Aproximadamente 10 000 caracteres de texto hablado. La duración exacta depende de la voz seleccionada y de su ritmo, así que considérela como varios minutos de narración, no como un número fijo.

Hacer que pronuncie correctamente la palabra

Los nombres propios, los acrónimos y los términos técnicos son los casos en los que la síntesis falla con mayor frecuencia, y la solución radica en el guion, no en los ajustes técnicos.
Escríbalo tal como suena.

• Escribir fonéticamente un nombre difícil en el guion suele resolver el problema de inmediato. El oyente escucha el audio, no su ortografía.
  Separe con espacios los acrónimos
• que desee que se lean letra por letra —por ejemplo, «A P I» en lugar de «API»— y escríbalos juntos cuando quiera que se lean como una palabra.
  Use las unidades completas.
• «GB» puede leerse como «ji bi»; «gigabytes» nunca se lee así.
  Use comas para ralentizar la lectura de una lista.
• Tres elementos separados por comas se leen como tres elementos distintos; sin ellas, se fusionan en una sola secuencia. Genere una breve línea de prueba con las palabras problemáticas antes de procesar un guion largo.
  Diez segundos de verificación evitan tener que regenerar cinco minutos de narración.

Vale la pena decirlo claramente, porque las herramientas no lo harán:
Cualquier contenido emocionalmente intenso.

Cuándo la narración con IA no es la opción adecuada

El duelo, las disculpas, la emoción genuina. La síntesis ofrece una neutralidad competente, pero dicha neutralidad, en esos contextos, se percibe como indiferencia.

• Su propia marca personal —si su audiencia reconoce su voz—. Un sustituto se nota.
  Ficción larga y audiolibros.
• La coherencia se mantiene durante minutos, no horas;la repetición se vuelve audible a lo largo de un capítulo.
  Para narración, explicaciones, cursos, recorridos por productos y audio accesible —la gran mayoría de los usos habituales— la calidad es realmente suficiente, y la pregunta deja de ser relevante.
• úsela en un reel anónimo clone su propia voz en su lugar
  la uniformidad se vuelve audible a lo largo de un capítulo.

Para narración, explicaciones, cursos, recorridos por productos y audio accesible: el gran
la mayoría de lo que la gente necesita — es genuinamente lo suficientemente bueno como para que la pregunta deje de ser
interesante.

Preguntas frecuentes

¿Es gratuito el doblaje con IA?

Sí, siempre que lo permita la licencia de su plan. Un video monetizado constituye un uso comercial y, por tanto, requiere un plan que otorgue derechos comerciales.
no incluye una licencia comercial, cuyo precio comienza en 6 dólares al mes en su plan Starter.

¿Pueden las personas detectar que es una voz generada por IA?

No sin su consentimiento expreso. Todos los principales proveedores lo exigen y prohíben terminantemente la suplantación, y esta es una de las pocas normas del sector que se aplica de forma constante y rigurosa.
oraciones, sin pausas, tono desajustado respecto al contenido, y no del proceso de síntesis en sí.

¿Cuántos minutos equivalen 10 000 créditos?

Aproximadamente 10 000 caracteres de habla. La duración exacta depende de la voz y su ritmo, por lo que
debe considerarse como varios minutos de narración, y no como un número fijo.

¿Puedo usar una voz de IA para un video de YouTube?

Sí, siempre que lo permita la licencia de su plan. Un video monetizado constituye un uso comercial, por lo que requiere
un plan que otorgue derechos comerciales.

¿Puedo clonar la voz de otra persona?

No, sin su consentimiento. Todos los principales proveedores lo exigen y prohíben la suplantación, y
esta es una de las pocas normas del sector que se aplica de forma consistente.

A continuación: usarlo en un reel sin rostro · clonar tu propia voz en su lugar