Clonación de voz con IA: clona tu voz y dásela a tus personajes

Una voz clonada es la diferencia entre «una IA lee mi guion» y «yo leo mi guion, sin reservar un estudio». También es la forma más rápida de dar a un reparto de personajes voces que no cambian a lo largo de cien líneas. Esta guía cubre el lado práctico en la herramienta Voz de eroq: qué grabar, cómo subirlo, con qué modelo renderizar y cómo escribir un texto que el motor interprete en lugar de recitarlo.

Primero, ¿de quién es la voz?

Tuya, o de alguien que te haya dado permiso expreso para usarla. Clonar a una persona real e identificable sin su consentimiento (una celebridad, tu ex, un streamer) está prohibido por la política de uso aceptable y se sanciona a nivel de cuenta: se va la cuenta, no solo el clip. La plataforma es para ficción y trabajo creativo. Tu narrador, tus personajes, tu lectura publicitaria: para eso sirve un clon.

Graba una muestra de la que el motor pueda aprender

La clonación de voz copia lo que oye, incluido lo que no querías darle. Los consejos de abajo son honestos con el motor, no optimistas:

• Una habitación silenciosa, sin música, sin reverberación. Los textiles absorben el eco; un armario lleno de abrigos es mejor cabina que una cocina. El zumbido de fondo pasa a formar parte de la voz.
• Un micrófono, una distancia. Mantén la boca a la misma distancia del micrófono durante toda la toma. Acercarte y alejarte suena como dos voces.
• Habla como quieres que te clonen. Si el clon es para una narración tranquila, graba una narración tranquila. Si es para un personaje con mordiente, dale unas cuantas líneas con mordiente. El motor clona una manera de hablar, no solo un timbre.
• Varía las frases. Preguntas, afirmaciones, una enumeración, un comentario aparte. Un texto plano y repetitivo produce un clon plano.
• Sin procesado. Sáltate el compresor y la puerta de ruido; el archivo en bruto es la mejor entrada.
• Recorta el aire muerto. Los silencios largos al principio y al final son material desperdiciado.

Sube el archivo desde la herramienta Voz. El clon aparece junto a las voces del catálogo, Aria (femenina, cálida e íntima) y Orion (masculina, grave y tranquila), y lo pueden usar los dos modelos de texto a voz.

Voice One o Voice Turbo

Dos modelos generan la voz, y los dos usan el mismo catálogo y los mismos clones:

• Voice One es el buque insignia expresivo: 3 créditos por cada 100 caracteres, con salida en MP3. Úsalo para todo lo que lleve emoción: líneas de personajes, narración de audiolibros, una escena.
• Voice Turbo es más rápido: 2 créditos por cada 100 caracteres. Úsalo para borradores, lecturas largas y neutras, textos de interfaz y para iterar sobre un guion antes de la pasada final en Voice One.

Los dos están en el nivel gratuito, así que la elección va de interpretación y velocidad, no de acceso. Para un monólogo de 1,000 caracteres son 30 créditos en Voice One y 20 en Turbo, una diferencia lo bastante pequeña como para que la regla honesta sea «Turbo para iterar, One para publicar».

Escribe para el oído: la puntuación es la dirección

Los motores de voz leen la puntuación como indicaciones de interpretación. No hay ningún marcado aparte que aprender: el guion es la dirección. Un ejemplo completo, escrito para ser interpretado:

Volviste. No pensé que lo harías… no después de la última vez. Siéntate —no, en serio, siéntate. Tenemos unos diez minutos antes de que noten lo de la puerta, y no pienso pasarlos viéndote ahí de pie. Bueno. Cuéntame lo que viste.

Lo que hace cada signo:

• Los puntos cierran una idea y bajan el tono. Las frases cortas suenan decididas.
• Las comas son respiraciones breves. Si pones demasiadas, la interpretación se vuelve cantarina; quítalas donde no harías una pausa al hablar.
• Los puntos suspensivos dejan la frase en el aire y frenan el ritmo. Una vez por párrafo, o la voz suena insegura de todo.
• Las rayas interrumpen: un cambio de idea a mitad de frase, una autocorrección.
• Los signos de interrogación elevan el final. Los de exclamación añaden energía; úsalos con moderación o todo sonará a gritos.
• Las frases de una sola palabra («Bueno.») marcan un tiempo. Son lo más parecido a la pausa que pide un director.

Lee el guion en voz alta una vez antes de renderizar. Si tú tropiezas, el motor también, y 3 créditos por cada 100 caracteres es lo bastante barato como para arreglar la frase y volver a renderizar.

Velocidad y expresividad

Dos controles acompañan a la elección de modelo:

• Velocidad: redúcela para la narración de audiolibros y para todo lo que el oyente tenga que seguir con atención; súbela para lecturas publicitarias y líneas de estilo mensajería.
• Expresividad: baja, mantiene la interpretación uniforme y cerca de la muestra, ideal para una voz en off documental; alta, deja que el motor se apoye en la puntuación, ideal para personajes y drama.

Ajusta uno cada vez. Si un clon deja de sonar a ti, baja primero la expresividad y luego la velocidad: la muestra es el ancla, y los dos controles te alejan de ella.

Dale la voz a un personaje

Un personaje tiene nombre, personalidad, fotos de referencia y una voz, y esa voz puede ser tu clon. Configúrala una vez y cada línea que generes para ese personaje la usará; la herramienta Voz muestra tu reparto, así que eliges «Mara» en lugar de recordar qué clon era el suyo. Combínalo con la herramienta Texto: escribe la escena con RP+, pega la línea, genérala con su voz, descarga el MP3 y colócalo bajo el clip en tu editor. TTS para personajes de IA profundiza en cómo escribir líneas que suenen a una persona y no a un párrafo.

Los desarrolladores tienen las mismas voces por la API (audio/speech y voices, clonación incluida, están en la documentación de voz), y la CLI eroq genera una línea con un solo comando: eroq speech "Cuéntame lo que viste." -v aria.

Preguntas frecuentes

¿Puedo clonar la voz de otra persona si me dice que sí?

El consentimiento es el requisito, y tiene que ser real. Tu propia voz o una voz que tengas permiso expreso para usar está bien; clonar a una persona real sin su consentimiento supone la suspensión de la cuenta.

¿El clon funciona en los dos modelos de voz?

Sí. Voice One y Voice Turbo comparten el mismo catálogo y los mismos clones; la diferencia está en la expresividad y el precio: 3 frente a 2 créditos por cada 100 caracteres.

¿Cómo hago que la voz haga una pausa?

Con la puntuación. Un punto es una parada completa; una coma, una respiración; unos puntos suspensivos, una frase que se apaga; una frase de una sola palabra, un tiempo marcado. No hay ninguna etiqueta de pausa aparte.

¿Quieres oírte? Abre la herramienta Voz: los primeros 50 créditos son gratis, y los dos modelos de voz están en el nivel gratuito.