Narrador de voz con IA: cómo conseguir que suene a narrador de verdad

Pegas el guion, eliges una voz y descargas el audio. Eso es un narrador de texto con IA. Las voces de ahora respiran, suben el tono en las preguntas y paran en los puntos, así que el lector robótico de hace unos años ya no es la referencia.

Lo que separa una «voz de máquina» de un narrador son tres decisiones que tomas tú antes de pulsar Generar:

• La voz: grave y pausada para un documental, cálida para un cuento, clara para una clase.
• El texto: frases cortas, una idea en cada una, y las cifras raras escritas como quieres oírlas.
• El ritmo: lo rápido que habla la voz, el hueco entre frases y las pausas largas donde la historia las pida.

Lee una historia de miedo con voz de anuncio y se queda sin tensión. Pon una voz de cuento en un tutorial de software y parece una broma. Por eso conviene decidir primero qué narras:

El oyente no puede volver atrás. Cada frase tiene que entenderse a la primera, y eso vale igual para un narrador humano que para uno con IA:

• Si una frase pide tomar aire a la mitad, pártela en dos. Un punto es una pausa; una coma, media.
• Una idea por frase, con la palabra importante al final, que es donde cae el acento.
• Los signos de interrogación y exclamación cambian la entonación, y los puntos suspensivos alargan la pausa. Úsalos a propósito.
• Cantidades, fechas y horas corrientes se leen bien. Lo que se puede decir de dos formas, como «1/2», «3x» o una sigla que no se deletrea, escríbelo con letra tal como quieres oírlo.
• Fuera paréntesis largos, notas al pie, enlaces y listas de más de cuatro elementos. En voz alta se pierden.
• Léelo en voz alta tú antes de generar. Donde tú te trabas, el oyente se pierde.

Aquella noche el faro se apagó por primera vez en cien años. <#2#>
Nadie en el pueblo supo explicar por qué. <#1#>
Nadie, excepto el farero.

El generador tiene dos controles. La velocidad, de 0.5× a 2×, decide lo rápido que habla la voz. El espacio entre frases, de «Seguido» a «Pausado» (hasta 800 ms), decide cuánto silencio queda entre una frase y la siguiente. Antes de generar puedes escuchar la voz con esos ajustes y guardarlos en ella para la próxima vez.

Para empezar: documental y audiolibro a velocidad normal o un poco por debajo, cuentos y terror más lentos y con más espacio, publicidad algo más rápida y con menos. Afina con un párrafo real de tu guion delante.

Como referencia humana, el National Center for Voice and Speech sitúa la conversación media en Estados Unidos en unas 150 palabras por minuto. Una narración suele ir algo más despacio que una charla rápida.

Con el guion escrito:

1. 1Abre la biblioteca de voces y filtra por idioma y estilo. Empieza por «Narración»; para un documental prueba también «Informativo», y para terror, «Dramático».
2. 2Escucha la muestra de tres o cuatro voces y quédate con la que encaje con la tabla de arriba. Hay más de 300 voces en 7 idiomas: español, inglés, alemán, francés, portugués, italiano y ruso.
3. 3En el generador, pega el guion o pulsa «Subir documento» (acepta .txt, .md, .srt, .pdf, .docx). El idioma se detecta solo.
4. 4Pon las marcas <#1.5#> donde quieras un silencio largo.
5. 5Ajusta la velocidad y el espacio entre frases y escucha la voz con ellos antes de generar. Si te convencen, guárdalos en la voz.
6. 6Pulsa Generar. Antes de gastar nada ves cuántos créditos va a costar.
7. 7Escucha el resultado y descarga el MP3 para tu editor de video o tu pódcast.

Sí, y si tienes un canal, un curso o un pódcast, seguramente es la mejor opción. Con una grabación de 15 a 60 segundos Voizum crea una copia de tu voz, y desde ahí escribes el guion y tu voz lo narra sin volver a grabar.

Graba la muestra hablando como quieres que suene la narración. Si grabas deprisa y con tono de vídeo de móvil, el clon narrará igual. Clonar cuesta 199 créditos y se desbloquea con tu primera compra de créditos.

Para narrar en otro idioma, el modo sin acento copia solo el timbre de tu voz. Y si publicas en YouTube, su ayuda indica que clonar tu propia voz para hacer locuciones o doblajes no requiere la etiqueta de contenido alterado o sintético.

En el modo diálogo marcas quién habla al principio de cada línea y todo sale en un solo audio, con hasta 5 personajes y 100 turnos. El guion se pega entero de una vez:

[Narrador] El zorro llevaba tres días sin comer cuando vio el cuervo en la rama.
[Zorro] ¡Qué plumas tan brillantes! Seguro que tu voz es aún más bonita.
[Cuervo] ¿De verdad lo crees?
[Narrador] Y el cuervo, orgulloso, abrió el pico.

Un solo audio admite hasta 600.000 caracteres, unas 10 horas de voz, así que un libro corto cabe entero. Aun así, para un audiolibro es mejor un archivo por capítulo: el oyente salta de uno a otro y tú puedes cambiar el capítulo 7 sin tocar los demás.

Con «Encadenar audios» generas hasta 100 audios de una vez, cada uno con su nombre y con un solo mínimo para todo el lote. Igual que clonar, se desbloquea con tu primera compra de créditos.

Antes de publicar un audiolibro narrado con IA, mira las reglas de la tienda, porque cambian mucho de una a otra:

• ACX (la plataforma de producción de Audible) exige que el audiolibro esté narrado por una persona salvo autorización, y prohíbe el texto a voz o la IA sin ella.
• Google Play Books tiene su propio programa de audiolibros con narración automática, con la condición de que tengas los derechos de audio del libro.
• Narra solo textos tuyos, con derechos cedidos o de dominio público.

Entrando con tu cuenta de Google tienes 600 créditos gratis cada mes, unos 10 minutos de narración, que dan para probar varias voces con tu propio guion. Se renuevan solos, valen para el generador y el modo diálogo, y no piden tarjeta.

Después, cada 1.000 caracteres cuestan 60 créditos, unos 60 por minuto de audio. No hay suscripción y los créditos comprados no caducan.