Eran las once y media de la noche del miércoles cuando Dani me mandó una nota de voz de ocho segundos. Una chica leía la descripción de un producto, con un tono relajado, y hasta se le colaba una respiración suave entre frase y frase. Justo después, un mensaje: «¿Esta voz la ha grabado una persona, verdad?»

No. La había generado con clonar voz gratis en menos de dos minutos.

Dani se quedó callado unos segundos. Y luego soltó la pregunta que no me esperaba para nada: «¿Y al exportar, elegiste MP3 o WAV?»

...Sinceramente, esa pregunta es más difícil de responder que la de si suena real o no.

Cómo acabamos hablando de formatos

Dani se dedica a crear audiolibros y vídeos para TikTok. Hace poco estaba grabando una serie de cápsulas para un curso online. Antes pagaba por voces humanas: 60 euros por 30 segundos, y cada corrección otros 20. Un día le enseñé lo que se puede hacer con un texto a voz gratis y se quedó helado. Sin instalar nada, sin registrarte, pegas el texto y sale la voz. Me hizo repetir tres veces: «¿Seguro que es un clonador de voz gratis para siempre?»

Lo entiendo. He probado siete u ocho herramientas que prometen voz en off ia gratis y al final siempre hay truco: o se acaba la cuota, o el archivo sale con marca de agua. Un sintetizador de voz gratis sin límites y sin registro no es tan común.

Pero cuando se puso a ello, le pasó lo de siempre. Escribió el texto en la página de texto a voz español gratis, le dio a exportar y se encontró con dos opciones: MP3 y WAV. Ahí se bloqueó. Mucha gente busca «tts gratis sin registrarse», encuentra un montón de sitios, se pelea por elegir la voz más natural... y luego en el último paso elige un formato al azar y tira por la borda todo el trabajo anterior.

MP3 y WAV: no es cuestión de «mejor» o «peor»

Vamos a romper un mito. WAV no es «mejor calidad». WAV es «sin compresión». MP3 no es «peor calidad». MP3 es «compresión con pérdida, pero bien hecha». La relación es parecida a RAW y JPEG: no es que uno sea superior, es que sirven para cosas distintas.

WAV guarda los datos originales de muestreo, y el archivo pesa lo suyo. Un minuto de audio a 44,1 kHz y 16 bits ronda los 10 MB. Ese mismo minuto en MP3 a 128 kbps baja a 1 MB, y a 320 kbps se queda en unos 2,4 MB.

¿Y qué te da ese peso extra? Editabilidad. Si vas a meter el audio en un editor para quitar ruido, cambiar velocidad, mezclar o empalmar, el WAV aguanta el trote. El MP3, cada vez que lo exportas, pierde un poco. A la tercera pasada, las eses empiezan a sonar ásperas.

Ahora, si solo vas a subir el audio a un vídeo de TikTok, mandarlo por WhatsApp o ponerlo en una web, esos 10 MB de WAV son un desperdicio. La plataforma lo va a recomprimir igual. Estás haciendo el canelo.

Mi regla de bolsillo (y el error que me hizo crearla)

Después de años haciendo locución con ia gratis, tengo el reflejo automático:

  • Si va a pasar por un editor, WAV.
  • Si es entrega directa, MP3 a 320 kbps.
  • Si dudo, primero WAV y luego convierto.

La tercera regla la añadí después de una metedura de pata. Le entregué a un cliente un MP3 y me pidió «bajar un poco la música de fondo». Volví a editar desde el MP3 y la voz sonaba apagada, sin brillo. Tuve que regenerar todo. Desde entonces, guardo siempre una copia sin pérdida.

Y hablando de generar: si estás pensando en clonar mi voz online para un proyecto largo, lo más práctico es generar una vez y guardar los dos formatos. Como no hay límite, repetir el proceso son treinta segundos. No merece la pena jugársela por ahorrar unos megas.

Ojo con una cosa: si vas a crear audiolibro con ia, el WAV es casi obligatorio. Luego querrás normalizar el volumen, cortar silencios o ajustar la entonación. Con MP3 vas cuesta abajo. Y si haces doblaje con ia gratis, igual: la cadena de posproducción pide material sin comprimir.

También hay quien usa voz sintética gratuita sin registro para doblar vídeos de YouTube. Ahí el MP3 va bien para el corte final, pero guarda el WAV por si el cliente pide cambios.

Preguntas que me hacen cada semana

¿Un MP3 suena muy «IA»?

No. El formato no es lo que delata. Una voz suena artificial cuando la puntuación del texto es rara o cuando el tono no pega con el contenido —por ejemplo, leer un texto divertido con voz de informativo. La naturalidad de un generador de voz gratis ha mejorado muchísimo. En el altavoz del móvil, la diferencia entre MP3 y WAV es prácticamente inaudible.

Para TikTok o Reels, ¿exporto WAV o MP3?

MP3, sin dudarlo. TikTok, Reels y YouTube Shorts tienen límites de subida y además recomprimen a AAC. Si subes WAV, lo van a comprimir igual. No te compliques.

¿Puedo editar el archivo después?

MP3 se puede editar, pero cada pasada resta. Si solo recortas silencios al principio y al final, no pasa nada. Si necesitas cambiar velocidad, tono o reducir ruido, vuelve a la página de clonación de voz y genera un WAV nuevo. Esa es la ventaja de que sea gratis y sin registro: puedes repetir sin coste.

Para terminar

Volviendo a la nota de voz de Dani. Le dije: exporta todo en WAV para archivar y luego convierte a MP3 320 kbps para entregar. Me contestó: «¿Tanto se nota?» Le dije que no, que ahora no. Pero que cuando en tres meses quiera cambiar el texto, ya me contará.

Si tú también estás dándole vueltas, no te quedes mirando la pantalla. Coge un texto de 30 segundos, genéralo dos veces con texto a voz gratis —una en MP3 y otra en WAV—, ponte los cascos y escucha. Luego mételo en un editor y corta un segundo. Cinco minutos. Más útil que leer diez tutoriales.

Y si quieres seguir aprendiendo, échale un ojo a más tutoriales. Ahí ya he ido dejando los errores que he cometido para que tú no los repitas.