Cómo añadir una voz en off con IA a tu video, de principio a fin

Un clip de IA sin sonido es un fondo de pantalla. El mismo clip con treinta segundos de narración es un contenido que alguien ve hasta el final. La voz en off es la mejora más barata de todo el proceso: un guion de cien palabras cuesta unos pocos créditos, frente a cien o más de las imágenes sobre las que va.

Antes de los pasos, una cosa que conviene tener clara, porque condiciona todo lo demás: esto es narración, no sincronización labial. Aquí nada hace coincidir una boca con tu audio. Estás creando una pista de voz independiente que suena sobre tus imágenes, como en un documental o en un canal sin rostro. Escribe pensando en eso y funciona de maravilla. Espera una boca que habla y te llevarás una decepción.

Paso 1: escribe el guion donde reescribir sale barato

Escribe en el estudio de Texto y no en el cuadro de voz. Por dos razones: tienes un modelo que escribe bien en prosa y un hilo en el que iterar sin volver a renderizar el audio cada vez.

Elige el registro a propósito. Escena produce prosa inmersiva, la opción correcta para narrar sobre una película. Mensajes produce frases cortas, al estilo de un chat, la opción correcta para un personaje que habla o para un texto publicitario con gancho. Cada respuesta cuesta 1 o 3 créditos según el modelo, así que hacer borradores es prácticamente gratis al lado de las imágenes.

Dos reglas que importan más que la propia redacción:

• Escribe algo más corto que el clip. El silencio al principio y al final de un plano es un regalo para tu montaje. Una pista de voz que llena cada fotograma no tiene dónde respirar.
• Escribe frases que dirías en voz alta. Si tú tropiezas al leerlas, el motor también.

Paso 2: elige una voz

Abre el estudio de Voz. El catálogo seleccionado incluye a Aria, una voz femenina cálida e íntima, y a Orion, una voz masculina grave y tranquila, en 13 idiomas, junto al resto del catálogo. Busca por nombre, categoría o idioma, y escucha las voces antes de quedarte con una.

Si necesitas una voz concreta que no está en el catálogo, clona una a partir de tu propio audio; en la página de la herramienta de clonación de voz verás qué hace que una muestra sirva. Después, los clones se comportan exactamente igual que las voces del catálogo en todo el estudio. Un Personaje guardado también puede llevar una voz, del catálogo o clonada, para que un narrador recurrente siga siendo el mismo a lo largo de una serie sin que tengas que recordar cuál usaste.

Paso 3: renderízala

Dos modelos, el mismo catálogo, los mismos clones:

• Voice One: la voz insignia expresiva, 3 créditos por cada 100 caracteres, salida en MP3. Úsala para todo lo que un espectador vaya a oír más de una vez.
• Voice Turbo: más rápida, 2 créditos por cada 100 caracteres. Úsala para borradores, pruebas de duración y formatos largos donde el presupuesto manda.

Las dos admiten los controles Velocidad y Expresividad. Velocidad es el que hay que tocar cuando una frase dura tres segundos más que su plano. Expresividad merece probarse en las dos direcciones: la narración suele pedir menos de lo que crees, y las frases de personaje, más.

Cada render llega a tu biblioteca como todo lo demás, así que puedes volver a la toma que te gustó.

Paso 4: la puntuación es la dirección

No hay un parámetro de emoción aparte. La interpretación sale del propio texto, y en concreto de la puntuación, lo que significa que tu guion es la dirección. Lo que eso te da, sin exagerar:

• Un punto cierra la idea y baja el tono.
• Una coma es una pequeña subida, no una parada.
• Una raya —como esta— sostiene la pausa más que una coma.
• Los puntos suspensivos dejan la frase en el aire y suavizan el final.
• Un signo de interrogación sube el tono, incluso en mitad de un párrafo.
• Los saltos de párrafo son la pausa más larga que puedes pedir.

Un guion escrito para decirse en voz alta y no para la página:

Dejó las llaves sobre la mesa. Ni una nota — nada.

Me quedé ahí mucho rato, con un café que ya se había enfriado, intentando entender qué parte de todo esto había aceptado.

¿Y lo más raro? La puerta seguía sin llave.

Léelo en voz alta y oirás dónde respira. Esa es la prueba. Si quieres una pausa más larga, usa un salto de párrafo; si una frase queda plana, el arreglo suele ser una raya donde pusiste una coma.

Lo que la puntuación no puede hacer es pegarle una emoción a una frase que no la tiene. Escribe el sentimiento en las palabras.

Paso 5: ajústala a la duración del clip

Hazlo antes de abrir un editor, no después.

1. Lee el guion en voz alta con un cronómetro. Ese número basta para planificar.
2. Elige la duración del clip para que encaje: los motores renderizan de 3 a 30 segundos según el modelo, y tu plan limita el máximo a 10, 15, 20 o 30 segundos.
3. Renderiza primero la voz con Turbo y escúchala sobre el clip.
4. Si se pasa de largo, recorta palabras antes de subir la velocidad. Más allá de un pequeño empujón, la velocidad empieza a notarse.
5. Renderiza la versión final con la voz insignia cuando el texto esté cerrado.

En secuencias, hazlo por plano y no por película. Una sola pista larga de narración sobre seis clips significa que cada cambio de montaje obliga a volver a renderizar; seis frases cortas significan que un cambio cuesta una. Así es también como los flujos de YouTube sin mostrar la cara siguen siendo manejables a gran volumen.

Paso 6: colócala en el montaje

Descarga el MP3 y suéltalo en el programa con el que montes. Si es Premiere Pro o After Effects, el panel de eroq te ahorra el ir y venir: genera video, imágenes o voz desde el propio panel y los renders se importan directamente al proyecto abierto, con los archivos guardados en tu carpeta Documentos. Genera una frase, suéltala en la línea de tiempo, ajusta y genera la siguiente, sin salir del montaje.

Luego mezcla como lo haría una persona. La voz va arriba, todo lo demás baja por debajo de ella, y la última palabra debería llegar antes del último fotograma. Si un plano trae su propio audio de un motor que genera sonido de forma nativa, mantén esa base por debajo de la narración en lugar de silenciarla: el ambiente bajo una voz es casi todo lo que hace que algo suene "producido".

La documentación de voz cubre lo mismo desde el lado de la API si quieres automatizarlo, y el estudio de Video es donde vive la parte de las imágenes.

Preguntas frecuentes

¿Puede eroq sincronizar los labios de un personaje con mi voz en off?

No. La sincronización labial no es una función disponible. La pista de voz se genera de forma independiente de las imágenes, lo que la hace ideal para narración, anuncios y contenido sin rostro: escribe y monta partiendo de esa base.

¿Cuánto cuesta una voz en off?

3 créditos por cada 100 caracteres con la voz insignia y 2 con la más rápida, con salida en MP3. Un guion de 600 caracteres cuesta más o menos 18 o 12 créditos, poca cosa al lado del clip sobre el que suena.

¿Puedo usar el mismo narrador en toda una serie?

Sí. Elige una voz del catálogo o clona una, y asígnala a un Personaje guardado para que se seleccione siempre la misma voz. Los clones funcionan en cualquier sitio donde funcione una voz del catálogo.

Escríbelo, dilo, móntalo. Abre el estudio de Voz: las cuentas nuevas empiezan con 50 créditos gratis.