¿Por qué tu locución con IA suena falsa? Los errores que cometí (y cómo los arreglé)
El mes pasado le monté a un amigo el contestador automático de su tienda de empanadas en Madrid. La idea era simple: grabar las preguntas frecuentes con un generador de voz gratis y listo. Le mandé la primera versión por WhatsApp y me contestó a los tres segundos: «Oye, ¿esto es del videojuego ese de los sims?»
Ahí me hundí un poco, la verdad. Estaba usando una herramienta de «voz en off IA gratis», ¿cómo podía sonar tan plástico? Estuve dándole vueltas más de una semana, sacando problemas uno por uno, hasta que caí en la cuenta: la voz no era el problema. El problema era yo y cómo la estaba usando.
Error 1: pegar el texto tal cual, sin puntuar
El fallo más típico de todos. El guion del contestador estaba escrito como un bloque gigante: «Buenas tardes gracias por llamar a nuestro establecimiento nuestro horario es de diez de la mañana a diez de la noche si necesita...». Tú lo lees sin problema. La máquina, no.
La máquina no tiene tu capacidad de interpretar. Las comas y los puntos son su forma de respirar. Sin puntuación, lee todo del tirón sin coger aire, como un locutor de subastas. Cuando separé las frases y añadí los signos donde tocaba, con la misma voz exacta, sonó como otra persona.
Un detalle que casi nadie mira: los números y las unidades. Si escribes «1000ml», el sintetizador de voz gratis puede decir «mil mililitros» o puede decir «uno cero cero cero eme ele», dependiendo del formato. No seas vago: escríbelo como lo quieres oír, «1000 mililitros».
Error 2: dejar los parámetros de fábrica
Muchas herramientas de texto a voz gratis vienen con velocidad y tono por defecto. Estables, sí. Pero mecánicas. Una persona real que atiende al teléfono tiene matices: la bienvenida la dice con más energía, y cuando explica un error, baja el ritmo.
Cuando probé en VoxClone, me di cuenta de que un simple «Hola, su pedido ya está en camino», con la velocidad subida a 1,05 y el tono ligeramente ascendente, sonaba a otro mundo comparado con los ajustes de fábrica. No hace falta tocar gran cosa: un pelín aquí, un pelín allá, y la diferencia es enorme. Si quieres ver valores concretos, en más tutoriales hay recomendaciones de parámetros; a mí me sirvieron bastante.
Error 3: elegir una voz de locutor de telediario
Este es el error que más se pasa por alto. Muchos (yo incluido, al principio) eligen la voz más «profesional», esa de informativos con dicción perfecta. Pero atender una llamada es conversar, no presentar el noticias. Cuando la voz de informativos dice «Buenas, ¿en qué puedo ayudarle?», suena a llamada de estafa, y no te lo puedo explicar mejor.
Para atención al cliente quieres algo natural, cálido, con ritmo medio-lento. Y si la plataforma permite voces propias, mejor todavía: VoxClone tiene clonación de voz gratis, así que grabé un rato la voz real de la chica que atiende la tienda y el resultado tenía esa cercanía de «es la de casa». Y ojo, esto funciona con síntesis de voz sin registro: abres la página, subes el audio y a correr. Sin correos, sin esperas de verificación. Para un negocio pequeño que quiere resolver rápido, es un lujo.
Error 4: material de grabación demasiado corto y sucio
Aunque uses un buen clonador de voz gratis, si el audio original es malo, olvídalo. Mi primera grabación fueron veinte segundos en la cocina de la tienda, con ruido de sartenes de fondo. La voz clonada sonaba como si hablara desde el pasillo.
La segunda vez lo hice bien:
- Grabé con el móvil en una habitación silenciosa, 1 o 2 minutos, con ritmo natural, sin recitar
- Metí muletillas: «eh», «bueno», «vale», «mira»... eso le da vida
- A unos 20 centímetros del móvil, sin alejarme ni acercarme
Con buen material, la naturalidad de la voz clonada da un salto brutal. Y de paso me sirvió para otra cosa: quiero crear audiolibro con IA con las notas de mi blog, y el mismo material me vale.
FAQ
¿Es legal clonar una voz para un contestador?
Con tu propia voz, o con el permiso claro de la otra persona, sin problema. Lo que no puedes hacer es coger la voz de un famoso y usarla comercialmente. Ahí te la juegas, y no solo con la ley: en España esto choca directamente con el derecho al honor y a la propia imagen.
¿Una voz clonada gratis sirve para uso comercial?
Hay plataformas muy decentes ahora mismo. Herramientas tipo VoxClone, con clonación gratuita sin límite de tiempo, cubren de sobra frases cortas de atención al cliente. Mi consejo: haz pruebas, escucha con oídos ajenos y luego publica.
¿Tengo que clonar la voz otra vez para cambiar el tono?
No. Clonas una vez y ya está. El tono y la emoción se ajustan con la puntuación del texto, la velocidad y el pitch. Lo que de verdad lleva tiempo es pulir el guion, no la técnica.
Para acabar
Al final, que una voz sintética suene real depende un 70% de cómo la uses y un 30% de la herramienta. Esta misma noche puedes probarlo: graba un minuto de tu voz en sitio tranquilo, clona en VoxClone, y ajusta la velocidad con una frase real de tu negocio. Diez minutos, y lo notarás tú solo. Y si algún día necesitas generar cientos de audios, échale un ojo a su API gratuita de texto a voz, que integrada en el teléfono te ahorra hacerlo uno a uno.