¿Cómo lograr que una locución con IA suene humana? Mi amigo se quedó tres segundos callado
El mes pasado subí un Reel y lo mandé al grupo de amigos. El audio de fondo era mi voz... o eso parecía. A los diez segundos me llegó la respuesta: ¿contrataste a un locutor? ¿Cuánto te cobró?
Le contesté que no, que era IA. Se quedó tres segundos en silencio, volvió a escuchar el audio y me escribió: ¿con qué lo hiciste? Porque las locuciones con IA que escucho por ahí se notan a kilómetros, y esta no.
Llevo un tiempo dándole vueltas a esa pregunta, así que hoy lo dejo escrito de una vez.
Por qué el texto a voz suena falso
Piensa en esas voces que delatan a una máquina al instante: ritmo perfecto y monótono, como una cinta atascada; cada sílaba pronunciada con la misma fuerza; y el final de las frases subiendo cuando debería bajar, con ese aire de contestadora automática leyendo un guion.
Una persona real no habla así. Dudamos, nos comemos palabras, alargamos el «pues… no sé, igual sí» medio segundo más de lo necesario. Los primeros sistemas de TTS leían literalmente del diccionario: cada palabra con la misma duración y el mismo peso. Por eso sonaban a robot.
Los modelos neuronales actuales, sobre todo los de clonación, aprenden los hábitos de una voz concreta: la respiración, las pausas, las subidas y bajadas de tono. Y eso cambia todo. La misma frase, sintetizada de forma genérica y clonada de una voz real, tiene una diferencia de calidad enorme.
Tres trucos para que tu voz en off IA suene de verdad
La herramienta es solo la base. Lo que de verdad marca la diferencia es cómo la usas.
Uno: huyas del locutor de radio. Mucha gente elige por defecto una voz «de anuncio», con dicción perfecta, y el vídeo acaba sonando al telediario. Para narraciones de YouTube, TikTok o un podcast casual, busca voces con un punto de cotidianidad, incluso ligeramente imperfectas. Eso da credibilidad.
Dos: la puntuación es tu director. La coma es una pausa corta, el punto una larga, los puntos suspensivos generan duda, la raya crea un giro. Yo escribo mis guiones de locución con ia gratis pensando en el oído, no en la gramática. Si dudas, pon otra coma. Nadie se queja de respirar.
Tres: genera frase a frase, no el párrafo entero. Si le metes trescientas palabras de golpe, la emoción sale plana. Corta el guion en frases, genera por separado las importantes, prueba dos o tres versiones y quédate con la que suene más humana. Cuesta más tiempo, pero se nota.
Por qué acabé clonando mi propia voz
Después de probar un puñado de herramientas online, me quedé en VoxClone, y la razón es poco glamurosa: es gratis y no obliga a crear cuenta. Sí, tts gratis sin registrarse: abres la página y a trabajar. Para alguien como yo, que edita vídeo por rachas, eso es oro.
Lo mejor es su clonador de voz gratis: grabas unos segundos de tu voz (o de alguien que te haya dado permiso) y esa voz queda disponible para siempre. Cloné la mía y ni mi amigo la distinguió. Ni mi madre. Y ojo, que mi madre es de las que detectan que has cambiado de funda de móvil.
Tampoco tiene esas limitaciones de «versión gratuita: 3 usos al día» que tanto molestan. Es un generador de voz gratis sin límites de caracteres, así que puedes meter guiones largos enteros. Y si haces lotes de vídeos, tiene API para integrarlo en tus propios scripts.
Yo lo uso sobre todo para shorts y para empezar a crear audiolibro con ia a partir de apuntes que tenía abandonados. También hay quien lo usa para doblaje con ia gratis en varios idiomas, aunque ahí conviene ir con cuidado con los derechos del contenido original.
Preguntas frecuentes
¿Cuánto audio necesito para clonar mi voz online?
Con 30 segundos a 1 minuto de voz clara basta. Ambiente silencioso, cerca del micrófono, sin música de fondo. Mi primer intento fue un desastre porque grabé con el aire acondicionado encendido. No lo repitas.
¿Es legal clonar la voz de otra persona?
Solo si es la tuya o si tienes su consentimiento explícito. Usarla para hacer decir a alguien algo que nunca dijo no solo es feo: puede ser ilegal. La herramienta es neutra; el uso, no.
¿De verdad puedo usar una voz sintética gratuita sin registro para proyectos comerciales?
VoxClone ofrece clonar voz gratis de forma permanente, sin cuotas ni límites de uso. Para las condiciones comerciales exactas, échale un vistazo a la página de novedades antes de lanzarte. Leer dos minutos nunca hizo daño a nadie.
Para terminar
Que una voz en off suene humana depende la mitad del modelo y la mitad de tu guion. La próxima vez que escribas uno, escríbelo como se habla, no como se escribe: pausas, respiraciones, y permítete un poco de desorden.
Puedes probarlo esta misma noche: clona tu voz, genera una presentación de 30 segundos y mándasela a quien mejor te conozca. Si se queda tres segundos callado antes de responder... ahí está tu respuesta.