¿Por qué la locución IA gratis de tu intro de podcast suena tan falsa?
Me pasó: mi intro sonaba a contestador bancario y los oyentes me lo dijeron
El año pasado lancé mi primer episodio. La intro la generé con un conversor de texto a voz online porque me daba pereza grabarla yo. Resultado: un comentario decía "esto suena al banco, me lo salto", y otro más directo: "voz de robot, no puedo".
Ahí me di cuenta de que texto a voz gratis no es copiar y pegar. El problema no es solo la herramienta, es cómo la usas. Yo quería ahorrarme trabajo y no pensé en la emoción que necesita una intro.
¿Dónde está la falsedad? No es culpa solo del programa
Lo primero que pensé: "cambio a un clonador de voz de pago y listo". Probé varios, y el fallo no estaba en el timbre, sino en el ritmo.
Un humano respira, duda, enfatiza. Una voz sintética suele leer todo de corrido, con una velocidad uniforme que suena a lectura de libro de texto. Si tu intro suelta así, el oyente lo detecta en un segundo.
Qué busco ahora en una herramienta de voz sintética
Probé muchas plataformas y al final me quedé con VoxClone. No porque prometa maravillas, sino porque permite voz sintética gratuita sin registro: abres la web, escribes y listo. Sin cuenta, sin tarjeta. Además, su generador de voz gratis es rápido y no tiene límites ocultos.
Si andas buscando, échale un ojo a su página de clonar voz gratis. Permite clonar mi voz online subiendo una muestra o eligiendo un timbre ya hecho. El resultado lo puedes usar en la intro directamente. Nada de "prueba 3 días".
En cuanto a las APIs de síntesis de voz gratuitas, no las recomiendo para un podcast personal a menos que sepas programar. Con un texto a voz español gratis en la web, copias, pegas y escuchas. Mucho más fácil. La página principal de VoxClone tiene el conversor de texto a voz directo.
Como alternativa a una voz real, para intros y transiciones va de lujo. Y como no limita usos, puedes hacer mil versiones de tu intro sin pagar.
Mi método para intros que no suenan a máquina
La intro no es un anuncio, es la presentación del programa. Ahora lo que hago es: o bien clono mi propia voz, o elijo un timbre con cuerpo, y le pongo música suave de fondo.
El proceso es simple: en la página de IA para clonar voz subo una muestra de voz limpia, escribo el texto de la intro, genero y luego lo meto en el editor de audio. Bajo el volumen de la voz y dejo que la música tape un poco esa textura artificial. Así la mezcla suena más orgánica.
Y el texto, cuanto más corto, mejor. Mi plantilla: "Hola, esto es [nombre del podcast], hoy hablamos de..." – quince palabras y a otra cosa. Si alargas, se notan más las limitaciones de la voz.
Transiciones: que no corten el rollo
Las transiciones son peores que las intros. He oído podcasts donde entre secciones sueltan un "a continuación, la segunda parte" con una entonación de gimnasia rítmica.
Mi consejo: que la transición sea brevísima, o mejor, solo un efecto de sonido o un fade de música. Si usas voz, baja la velocidad, quita énfasis, que suene a pausa natural, no a interrupción. La herramienta de texto a voz gratis de VoxClone genera frases cortas al momento, ideal para esto.
La puntuación es la respiración del actor
Una vez escribí: "Hola, esto es Noche de Vuelo, hoy no hablamos de ansiedad, solo queremos acompañarte un rato". Al generarlo, la voz no hizo pausa después de "ansiedad" – sonaba a prisa, no a consuelo. Ahí entendí que la voz sintética no entiende el significado, solo los signos.
Desde entonces, parto las frases largas, pongo puntos donde quiero respirar, incluso uso puntos suspensivos. Ejemplo: "Hola, esto es Noche de Vuelo… hoy, solo queremos acompañarte un rato". Eso hace que la voz haga una pausa, como un suspiro. Cada coma y cada punto son indicaciones para el actor. Mucha gente dice que la IA suena falsa, pero en realidad le dieron un texto de 500 palabras sin respirar. Cualquiera sonaría a lectura escolar.
No elijas el timbre "más realista"
Antes buscaba voces que dijeran "ultrarrealista" o "indistinguible de un humano". Para un programa nocturno, elegí una voz limpia como de telediario, y los oyentes dijeron que sonaba distante. Cambié a un timbre más grave, con algo de aspereza, y el mismo texto funcionó.
Conclusión: no hay timbre bueno o malo, hay timbre adecuado. Para noticias, una voz clara y rápida; para historias, algo más lento y envolvente; para contenido infantil, una voz un poco torpe suena más entrañable. Estás eligiendo a un compañero de programa, no haciendo una prueba de voz.
No te quedes con la primera versión: pide opinión
Tu propio texto lo escuchas tantas veces que ya no lo juzgas. Ahora genero tres versiones de la misma intro: una a velocidad normal, otra más lenta con pausas, y una tercera con un timbre más grave. El domingo se las mando a dos amigos y les pido que elijan cuál suena más humana.
Casi siempre eligen la segunda, la que tiene dudas y no es perfecta. Porque los humanos hablamos con pausas y titubeos; demasiada fluidez es de máquina. Así que no uses la primera versión directamente. Genera dos o tres, que la herramienta es gratis y no cuesta nada.
Un plan para el domingo por la noche
Imagina que quieres publicar el lunes pero tu voz no te convence y no quieres regrabar. Abres VoxClone, generas la intro y las transiciones con clonar voz gratis, y dejas la parte hablada para cuando tengas tiempo.
No esperes a que todo sea perfecto para empezar. La herramienta es un medio, no el fin. Puedes mirar más tutoriales de otros creadores, o simplemente escribir una frase en la web y escuchar cómo suena. Empieza por ahí.