Texto a voz con IA: generador de voz en off

Cómo elegir la voz

• Una voz de la biblioteca le ganó a una diseñada. La voz que diseñamos a partir de una descripción en texto sonaba sobreactuada. Las voces profesionales ya hechas sonaban naturales y de cine, y una de ellas se convirtió en la voz fija de Mira. Las voces de esta herramienta también son voces ya hechas.
• Un personaje, una voz. Usa la misma voz en todos los videos, igual que mantienes la misma cara.

Diálogo y sincronización de labios

• Las frases cortas se pueden quedar con el modelo de video. Seedance dijo un saludo corto palabra por palabra. En una toma de 30 segundos con dos personas hablando se le trabaron varias palabras, así que volvimos a grabar el guion con Eleven v4.
• Ancla la voz nueva a los tiempos de cada palabra. Transcribimos la toma generada para saber en qué momento cae cada palabra y luego estiramos la grabación nueva para que coincidiera, sin cambiar el tono. Quedó con un desfase de unos 20 milisegundos.
• Estira solo lo que está en pantalla, y poco. Para quien habla a cámara, graba la línea a varias velocidades y quédate con la toma que menos haya que estirar, un 25 % como máximo. El camarógrafo estaba fuera de cuadro, así que sus líneas quedaron a su velocidad natural; al comprimirlas costaba seguirlas.

Risas, sonido ambiente y mezcla

• Quédate con la risa del modelo de video. La etiqueta [laughs] sonaba falsa en esta escena. La risa que generó el modelo de video coincidía con su cara, así que la separamos del audio del clip y la dejamos.
• Usa el sonido de fondo del propio clip. Los pasos, los murmullos y los pájaros salieron del modelo de video y no de efectos generados aparte. Su propia voz se bajó 40 dB alrededor de cada palabra, para que solo se oyera la voz nueva.
• No normalices el volumen de ese fondo por separado. Normalizar la pista atenuada vuelve a subir los restos de voz; dale una ganancia fija.
• Usa poca reverberación. Como mucho, una décima parte de la voz directa y sin una reflexión temprana fuerte, que provoca un efecto de filtro peine.
• Revisa la mezcla midiendo, no solo de oído. Transcribe la mezcla final y lee cada línea, deja la voz al menos 12 dB por encima del fondo y la voz principal un poco más fuerte que las demás. Nuestra primera mezcla tenía 4 dB de diferencia; la final, 18,7 dB.

Esta herramienta te da las voces, no un editor: genera aquí las líneas y luego alinéalas y mézclalas en CapCut, Premiere o DaVinci Resolve. Para un presentador que habla directo a cámara, Foto que habla hace la sincronización de labios por ti. El proceso completo del personaje, de la cara al video terminado, está en cómo crear un influencer IA.

Diálogo

Una escena con dos o más personas en un solo archivo. Eliges una voz para cada línea y puedes agregar etiquetas como [laughs] o [short pause] entre ellas. Sirve para podcasts, sketches y diálogos de anuncios. Un diálogo admite hasta 10 voces distintas y 2000 caracteres en total, y se cobra por carácter como una voz en off.

Efectos de sonido

Describe un sonido y lo obtienes: una puerta que rechina, aplausos, lluvia, una transición tipo whoosh. La duración va de 3 seg a 30 seg y se cobra por segundo: un efecto de 5 seg cuesta 2 créditos, y uno de 30 seg, 12. Más detalles en el generador de efectos de sonido.

Música

El Compositor musical compone la música que describes: una canción con voz o una música de fondo instrumental. Describe el género, el ambiente y los instrumentos, y pon la letra entre comillas. La duración va de 15 seg a 3 min; 30 seg de música cuestan 18 créditos y 3 min, 108. La música se puede usar con fines comerciales. Más detalles en crear canciones con IA.