¿Cómo hacer que una locución con IA no suene a robot? Lo probé con un clon de voz gratis y esto aprendí
La semana pasada ayudé a un amigo a montar un vídeo de reseña de un restaurante en TikTok. La voz en off la hice a toda prisa con un TTS de los de siempre y... me salió esa entonación perfectamente pronunciada pero totalmente plana. Mi amigo lo escuchó y soltó una sola frase: "Esto no es una persona, es el anuncio de la estación de tren." Y ahí me quedé pensando: ¿todo ese bombo que le dan a las locuciones con IA gratis es humo? Con ánimo de buscarle las cosquillas, entré en VoxClone y me recorrí todo el proceso de arriba abajo. El resultado... me dejó en evidencia.
Empecemos por mi escepticismo: gratis, ¿qué puede salir bueno?
Si te dedicas a crear contenido, ya lo sabes: antes la voz en off era o pagar a alguien o grabarla tú, aunque estuvieras afónico. Desde que existen los generadores de voz gratis, he probado bastantes, y los gratuitos casi todos tienen el mismo defecto: entonación plana, pausas rígidas y emociones de mentira. Se nota desde el primer segundo.
Así que cuando abrí la página de VoxClone (https://es.web666.cc/), esperaba encontrarme otra herramienta de humo. Decía que no hacía falta registro, que abrías y ya, y que el clon de voz también era gratis. Mi primera reacción fue: ¿un sintetizador de voz gratis sin registro? ¿Y dónde guardan mis datos? Con esa desconfianza igual lo probé, porque al no registrarte tampoco dejas tu número de teléfono ni tu correo. Probar no cuesta nada.
Lo que de verdad marca la diferencia es la grabación que le das de comer
Fui directo a su página de clonar voz gratis. Y aquí voy a ser sincero: que la IA suene humana o no depende en un setenta por ciento del audio que grabes.
La primera vez grabé en el salón, con la nevera zumbando de fondo, y la voz clonada salió con ese sonido de "lata" inconfundible. La segunda vez me encerré en el dormitorio, puse el móvil a unos 20 centímetros de la boca y hablé en voz normal durante medio minuto. Misma herramienta, resultado completamente distinto. Claro, silencioso, con naturalidad. Esos tres puntos valen más que la duración de la grabación.
Un detalle importante: no uses "voz de locutor de radio" al grabar la muestra. Grábate tal y como hablas con tus amigos. Así lo que salga eres tú, no un presentador del telediario.
El texto es la segunda trampa: la puntuación es tu director
Con la voz ya clonada, tocaba la locución. Pegué un texto de reseña en su texto a voz gratis tal cual, en un solo bloque, y salió otra vez el robot de siempre. El problema no era la herramienta: era yo. Un muro de texto sin ritmo ni pausas lo lee plano cualquiera.
Luego partí las frases largas, marqué bien las pausas con comas y puntos, y añadí alguna muletilla alrededor de las palabras que quería destacar. Con la misma voz, la segunda versión sonaba a alguien charlando contigo. Al final, el TTS actúa según tu puntuación: si escribes los signos con cuidado, actúa mejor.
Por cierto, permite texto a voz sin límite de caracteres. Metí a propósito un artículo de dos mil palabras y no se atascó en ningún tope. Para quien hace vídeos largos o quiere crear audiolibro con IA, esto es bastante práctico: muchos generadores gratuitos justo fallan ahí.
¿Es gratis de verdad?
Hasta ahora no me he topado con exportaciones de pago ni usos bloqueados: tanto el clon como la síntesis entregan el resultado directamente. Eso sí, tengo una regla de siempre: no metas contenido sensible en herramientas gratuitas. Es sentido común, independiente del sitio que uses.
¿Cuánto audio necesito para clonar mi voz online?
Con entre treinta segundos y un minuto basta. Importa más que el entorno esté silencioso, que articules bien y que hables con tu tono natural. Cuanto más natural suene la muestra, más te parecerá el resultado.
¿Puedo usar la voz clonada con fines comerciales?
La voz tiene que ser tuya o de alguien que te haya dado permiso. Eso lo controlas tú. Técnicamente el audio exportado se puede usar directamente, pero no uses la voz de otra persona para cosas que le puedan dar un dolor de cabeza.
¿Sirve el micrófono del móvil si no tengo uno externo?
Sí. Grabé en una habitación silenciosa con el móvil y el resultado era perfectamente aceptable. La clave: cerca de la boca y sin ruido de fondo. Eso sí, no grabes en el metro... alguien lo ha hecho, créeme.
Unas cuantas verdades sin rodeos
Que una voz en off IA gratis suene humana depende la mitad de la herramienta y la otra mitad de ti: graba limpio, cuida la puntuación del texto y no esperes que un solo clic te dé una locución llena de emoción. Si quieres comprobarlo, entra ahora en VoxClone, graba 30 segundos de ti hablando normal, clona tu voz y haz que lea algo que hayas escrito últimamente. Escucha ese audio y sabrás si el problema era la herramienta... o eras tú. Más trucos y novedades los puedes seguir en su página de novedades.