Grabé a mi abuela con el extractor encendido para clonar su voz y salió un desastre

El invierno pasado me dio por hacer algo que, dentro de mi cabeza, sonaba precioso.

Mi abuela tiene 83 años y habla con el deje de su pueblo, uno de esos de Badajoz donde las eses se caen solas y las palabras pierden la mitad por el camino. Cada vez queda menos gente que hable así. Así que pensé: grabo su voz, la clono y me monto una carta sonora para ponerla cada Nochevieja.

Agarré el móvil y grabé media hora en la cocina. En el fuego, un guiso. El extractor zumbando. Y en la calle, un camión con altavoz repitiendo «compro chatarra, compro electrodomésticos» cada dos minutos.

Lo metí tal cual en la herramienta de clonación.

Lo que salió... ¿cómo lo describo? Era mi abuela, sí, pero con gripe, con una piedra en la boca y hablando desde el fondo de un túnel.

Primera versión: a la basura.

El problema no era la herramienta, era mi grabación

Mi reacción fue la típica: cambiar de herramienta. Probé de todo. Las que funcionan en el navegador, las que te obligan a instalar un programa, algún clonador de voz gratis de los primeros resultados, y también las de pago. Casi todas.

Y todas sonaban igual de mal. El mismo túnel.

Ahí fue cuando acepté la verdad incómoda: el problema no era el modelo, era la porquería de audio que le había puesto delante. El modelo aprende exactamente lo que le das. Y en mi media hora, la voz de mi abuela era como mucho un tercio del total. El resto era extractor, borboteo de guiso, un perro ladrando a lo lejos y la reverberación de los azulejos.

Le pedí que aprendiera a mi abuela y aprendió también el extractor. Culpa mía, toda mía.

Tres errores, cada uno más tonto que el anterior

Error 1: grabar en la cocina

La cocina es la peor habitación de cualquier casa. Azulejo duro, ventana de cristal, cacharros de metal... el sonido rebota por todas partes. Y el acento de mi abuela vive en detalles minúsculos: en cómo estira la última sílaba, en cómo se come una consonante. Con reverberación, todo eso se aplana. Un dormitorio pequeño, con la ventana cerrada, la persiana bajada y una manta sobre la cama, suena mil veces mejor. Lo aprendí tarde y a base de tirar versiones.

Error 2: hacerla leer un texto

Imprimí una carta que había escrito yo y le pedí que la leyera en voz alta. Resultado: leyó lentísima, rígida, soltando palabra por palabra como en un dictado del colegio. Nadie habla así. Cuando charla con las vecinas encadena frases, se come sílabas, arrastra la entonación hacia abajo. Leyendo, todo eso desaparece. Y la voz clonada salía demasiado «correcta». Correcta de una forma que no era ella.

Error 3: creer que más minutos es mejor

Grabé media hora pensando que así iría sobre seguro. De esos treinta minutos, limpios había menos de diez. Y encima movía el móvil: a ratos cerca, a ratos lejos, el volumen subiendo y bajando. Con material así, el modelo solo puede sacar un boceto. Un boceto con acento, pero boceto.

El día de la regrabación

Una semana después la llevé a casa de mi hermana, a un cuarto que da al norte. Esta vez hice los deberes:

  • Móvil en un soporte, a unos veinte centímetros de la boca, sin moverlo en toda la toma
  • Ventanas cerradas, calefacción apagada, persiana bajada, móvil en modo avión
  • Nada de leer: yo preguntaba y ella contestaba. «¿Cómo eran las Navidades cuando eras pequeña?», «¿Cómo te reñía tu madre?»
  • Tomas de cinco a ocho minutos, y al terminar, escuchar y borrar si había ruido
  • Unos veinte minutos limpios en total, repartidos en cuatro sesiones

De paso, mientras preparaba el texto, fui probando la carta con el texto a voz online — como es texto a voz gratis, equivocarse no cuesta nada. Y tener un texto a voz español gratis a mano cambia bastante las cosas: escuchas cómo va a sonar antes de gastar una sola toma buena. Ese paso fue clave, porque los «ay», los «anda ya», los «¿tú sabes?» son el alma de una carta así. Tienen que caer donde caen de verdad.

Para la síntesis definitiva subí los veinte minutos y esperé un par de minutos. Cuando sonó la primera frase, mi hermana se quedó helada al lado.

Ese «mi niña», con la voz cayendo hacia abajo y un poco rasposa... era ella.

Cómo quedó la carta

La partí en veintiséis fragmentos, de una o dos frases cada uno, desde su infancia hasta cómo me crió. Y con tantos trozos necesitas que no te corten a mitad: un generador de voz gratis sin límites de caracteres se agradece muchísimo. Aquí es voz sintética gratuita sin registro, abres la página y ya está, sin instalar nada de esas supuestas versiones gratis de programas de clonación. Para mi hermana fue perfecto: su ordenador no tiene nada instalado y no hizo falta nada. Lo de TTS gratis sin registrarse suena a detalle menor, pero no lo es.

Cuando alguien me pregunta cómo clonar mi voz online sin gastar un euro, siempre respondo lo mismo: la herramienta es lo de menos. El noventa por ciento del resultado está en el audio que le das.

Y un consejo: no persigas la calidad perfecta. Con el tiempo descubrí que dejar un poco de respiración, un poco de saliva, hace que suene más a persona real. Demasiado limpio y parece una locutora de radio, no tu abuela.

Si tu familiar tiene un acento muy cerrado, por mucho que limpies el audio va a haber desviación. Ahí no te pelees: elige los trozos donde habla más relajada, dales más peso en el entrenamiento y mezcla el resto con una versión en español neutro. En casa nadie lo va a notar.

Y si vas a hacerlo en serie — crear un audiolibro con IA, o doblaje con IA gratis para vídeos de YouTube y Reels — puedes tirar de API de síntesis de voz gratuita y dejar que salga todo solo. Para lo mío, que es una vez al año, con la web me sobra.

Preguntas frecuentes

Ya tengo grabaciones con ruido, ¿se pueden salvar?

Algo se puede rascar, pero no esperes milagros. Pasa primero una reducción de ruido y corta a mano todo lo que tenga fondo sucio, quedándote solo con los tramos limpios. Si al final te quedan menos de tres minutos aprovechables, regraba. Dos horas grabando otra vez contra dos semanas peleándote con el audio... y ni así queda bien.

¿Es más difícil clonar un acento que el español neutro?

Sí, y la razón es simple: datos. Los modelos han visto millones de horas de español estándar y muy poquito de la forma de hablar de un pueblo concreto. Por eso el acento es mucho más sensible a la calidad: cada segundo que le das tiene que ser puro. Además, la entonación de muchos dialectos tiene curvas que en español neutro ni existen, y el modelo necesita más ejemplos para pillarlas. Graba conversación espontánea, no lectura. Cien veces mejor.

¿Hasta dónde llega una herramienta gratuita?

Depende de lo que quieras. Para una carta sonora familiar, para una voz en off con IA gratis en un vídeo o para una locución con IA gratis en un Reel con acento, va sobradísima: el nivel de la clonación de voz online gratuita hoy me sorprendió bastante. Si quieres producir en volumen, un sintetizador de voz gratis con API te lo resuelve. Ahora, si necesitas doblaje comercial con textos larguísimos y estabilidad absoluta, ahí ya toca pagar. Para el resto de los mortales, la vía gratuita es más que suficiente, y como no cuesta dinero, equivocarse sale barato. Tengo más tutoriales en la sección de novedades.

No lo dejes para mañana

Mi abuela se fue hace dos otoños.

La carta está en mi móvil y en la nube. La puse esta Nochevieja y mi madre lloró, y mi sobrina pequeña preguntó con cara de no entender nada: «¿quién está hablando?».

No lo entiende. Da igual. Cuando sea mayor le contaré que esa es la voz de su bisabuela, y que habla como se hablaba en su pueblo.

Si tú tienes a alguien así en casa, no lo dejes. Busca una tarde tranquila, apaga la calefacción, monta el móvil y pregúntale cómo eran las Navidades cuando era pequeña. El resto, ya lo hacen las herramientas.