Cómo clonar tu voz con IA: grabar, limpiar y usarla

Es crear, a partir de una grabación de una persona, una voz sintética que suena como ella. Desde ese momento escribes un texto y la voz lo lee. No vuelves a grabar.

Lo que copia el clonador de voz son rasgos, no frases. El timbre, que es lo que te deja reconocer a alguien por teléfono con dos palabras. Y la forma de hablar: acento, ritmo, cómo sube y baja la entonación, cuánta energía pone en cada frase. Para las dos cosas bastan unos segundos de audio limpio.

Por eso el clon hereda la grabación entera, defectos incluidos. Si grabas cansado, sale cansado. Si la habitación tiene eco, el eco pasa a formar parte de tu voz. Casi todo se decide al grabar, mucho antes de pulsar el botón.

No hace falta un estudio. Un teléfono reciente graba de sobra si lo usas bien, y lo que más cambia el resultado es la habitación y cómo hablas.

• Una grabación de 15 a 60 segundos de una sola persona hablando: tú, o alguien que te haya dado permiso por escrito.
• Un archivo MP3, WAV o M4A. Si tu voz está en un video, extrae primero el audio: se sube el sonido, no el video.
• Una habitación tranquila con muebles, cortinas o ropa colgada, que absorben el eco.
• Créditos comprados: clonar cuesta 199 créditos y los gratis del mes no sirven para esto.

Graba entre 15 y 60 segundos de voz continua, en una sala sin eco, a un palmo del micrófono y hablando como quieres sonar después. Eso es lo básico. Abajo van los detalles.

Hace falta menos audio del que se suele pensar. Con 10 a 20 segundos limpios de una sola persona ya hay parecido, y añadir otros 20 o 60 no lo mejora.

Si solo tienes el audio de un video viejo o de una sala con eco, puedes limpiarlo antes de clonar con la opción «Mejorar la grabación», que quita el ruido de fondo y el eco de la habitación.

La duda lógica es si limpiar le quita a la voz lo que la hace tuya. No: la identidad se conserva, y las grabaciones más sucias son las que más ganan.

Si tu grabación ya suena limpia, no la mejores: no hay nada que arreglar y puede restarle parecido. Cuesta 99 créditos más, y Voizum te avisa en los dos casos, cuando detecta ruido que merece la pena quitar y cuando la grabación ya está bien.

Lleva unos minutos, casi todos de espera:

1. 1Entra en Voces y pulsa Clonar voz. Puedes subir un archivo o grabar desde el navegador: la grabación se para sola al minuto.
2. 2Escucha la muestra. Si aparece un aviso de ruido, de saturación o de calidad baja, graba otra toma antes de seguir.
3. 3Ponle un nombre que vayas a reconocer, como «Mi voz, narración». La descripción es opcional.
4. 4Decide si la mejoras, solo si tiene ruido o eco, y si activas el modo sin acento, solo si la vas a usar sobre todo en otro idioma.
5. 5Confirma que es tu voz o que tienes permiso de su dueño, y pulsa Crear voz. No tienes que elegir idioma: se detecta de la grabación.
6. 6Puedes cerrar la pestaña mientras se prepara. Cuando termina, la voz aparece en tus voces con una muestra para escucharla.

La muestra de la ficha sirve de primer filtro, pero la prueba de verdad es un texto tuyo. Genera un párrafo de tu próximo guion, no una frase suelta, y escúchalo con auriculares.

• Parecido: pon tu grabación y el audio generado seguidos. Si alguien cercano no acierta cuál es cuál a la primera, está bien.
• Energía: si suena más plana que tú, casi siempre es que la grabación era plana. Graba otra con más intención.
• Ruido o eco en el resultado: venían en la muestra. Mejórala o graba en otro cuarto.
• Palabras raras: las cantidades, fechas, horas y precios se leen bien solos, pero siglas, abreviaturas y símbolos se leen como están escritos. Si quieres una lectura concreta, escríbela como suena («ce-o-dos», «tres veces» en vez de «3x»).

Tu voz clonada habla los 7 idiomas de Voizum: español, inglés, alemán, francés, portugués, italiano y ruso. El idioma de cada audio sale del texto que escribes, así que puedes grabarte en español y generar un guion en inglés.

Con la clonación completa, tu voz habla inglés con tu acento, como lo harías tú, y para un canal en español con algún video suelto en inglés suele ser lo más natural. Si vas a publicar sobre todo en otro idioma y no quieres que se note el acento, crea una segunda versión de tu voz con el modo sin acento.

Clonar tu propia voz es legal. Clonar la de otra persona solo lo es con su permiso, y usarla para que parezca que dijo algo que no dijo puede ser delito según el país y el uso. En Voizum solo puedes clonar tu voz o la de alguien que te lo haya autorizado, y no se permiten voces de famosos ni suplantar a nadie.

En Voizum no: clonar cuesta 199 créditos y exige haber comprado alguna vez. El regalo mensual con Google (600 créditos, unos 10 minutos) sirve para generar audios con las más de 300 voces de la biblioteca, no para clonar.

Fuera de Voizum hay dos caminos. Los modelos de código abierto clonan una voz con pocos segundos y se instalan en tu equipo, pero piden una tarjeta gráfica potente y soltura técnica, y la calidad depende de cómo los configures. Las apps de edición de video y de voz que traen clonación suelen reservarla a sus planes de pago o dar muy pocos usos al mes.

Si solo necesitas una voz que lea tu guion y no tiene que ser la tuya, no hace falta clonar: una voz de la biblioteca con el regalo mensual puede bastar para empezar.

• Usar el audio de un video con música de fondo. La música se cuela en la voz. Graba aparte o, si no hay otra, mejórala antes.
• Grabar en el baño «porque suena bien». Suena bien al oído por la reverberación, y esa reverberación se copia.
• Leer deprisa para acabar antes. El clon hablará con prisa en todos tus audios.
• Mezclar dos sesiones o dos micrófonos en la misma muestra. Usa una sola toma continua.
• Cortar la grabación a mitad de palabra en vez de en una pausa.
• Activar el modo sin acento para usar la voz en tu propio idioma: pierdes parecido sin ganar nada.
• Mejorar una grabación que ya estaba limpia.
• Juzgar el clon por una sola frase. Prueba un párrafo largo de un guion real.