Comandos de voz para video con IA: habla con el estudio

La barra de Ask, arriba del estudio, tiene un micrófono. Tócalo, di lo que quieres (un clip, una imagen, una locución) y deja de hablar. La frase se envía sola, Ask prepara la herramienta adecuada con lo que dijiste y un clic en su botón abre la página lista. Nunca pulsa Generar por ti.

Esta guía cubre dónde funciona el micrófono, cómo formular una petición hablada para que salga bien a la primera, cómo seguir la conversación por voz y la distinción que importa en un estudio que también crea voces: un comando frente a una frase que hay que decir en voz alta.

Dónde está el micrófono

• Ask es la barra de la parte superior del inicio del estudio (/studio, después de iniciar sesión): la pestaña por defecto del compositor de inicio, con el texto de ejemplo «Pregunta lo que sea, lanza lo que quieras». /ask lo describe en detalle.
• El micrófono está en esa barra y usa el reconocimiento de voz de tu propio navegador, que tienen Chrome, Edge y Safari. En un navegador sin él, como Firefox, el micrófono no aparece.
• No hay que buscar ningún botón de enviar. Cuando dejas de hablar, las palabras se envían solas.
• ¿Sin micrófono? Escribe. Enter envía, Shift+Enter empieza una línea nueva. Desde cualquier otra página del estudio, ⌘K (Ctrl+K en Windows) abre «Busca o pregunta lo que sea…»: escribe tu frase y la última fila, «Preguntar a eroq: “…”», la envía a tu chat en curso o empieza uno nuevo.

Qué pasa cuando dejas de hablar

Tu primer mensaje convierte el inicio del estudio en un chat: tus palabras a la derecha, la respuesta a la izquierda, escrita palabra por palabra. Mientras Ask trabaja, una pequeña esfera gira y unas indicaciones breves muestran el paso: «Leyendo…», «Eligiendo la herramienta adecuada…», «Ajustando los parámetros…».

Después viene la parte que vale la pena leer. Bajo la respuesta, una línea gris dice lo que Ask preparó:

You say:    make a vertical clip of a woman walking through neon rain, 10 seconds
Grey line:  Video · 10 s · 9:16    [Open Video →]

El prompt que escribió Ask aparece citado debajo de esa línea. Haz clic en Abrir Video → y la página Video se abre con ese prompt y esos ajustes ya puestos; hasta que lo hagas, sigues en el chat. Un motor bloqueado muestra la insignia de su plan junto al botón.

Preguntar es gratis. Ask prepara la página; el botón Generar sigue siendo tu clic, con la verificación de créditos y el desbloqueo por plan de siempre.

Di el medio, luego la escena y después los ajustes

Las frases habladas tienden a ser largas y sueltas. Un orden las mantiene fáciles de seguir:

1. El medio: «un clip», «una imagen», «una locución», «un cortometraje». Esto elige la herramienta: Video, Imagen, Voz o Cinema.
2. La escena: sujeto, acción, lugar, luz. Ask la escribe en el prompt.
3. Los ajustes: el motor, los segundos, el formato, el número de tomas.

You say:    make an image of a lighthouse at dusk, square, four versions
Grey line:  Image · 1:1 · ×4    [Open Image →]

Si omites el medio, Ask te lo pregunta: «haz algo genial» recibe «¿Una imagen, un clip, una locución o algo de texto?», con chips de respuesta. Toca uno o dilo en voz alta.

Para los ajustes, usa las palabras sencillas que Ask ya conoce: «vertical», «Reels», «horizontal», «cuadrado», «ultrapanorámico» para el formato; «10 segundos» para la duración; «con Kling» o «en Veo 3.1» para el motor. Lo que no digas se queda como ya lo tiene la herramienta: Ask solo ajusta lo que pediste. Cómo elige Ask el motor, la duración y el formato enumera las palabras y lo que ajusta cada una.

Con el dictado, hay un hábito que compensa: lee la línea gris antes de abrir la página. Indica el motor, la duración y el formato que se ajustaron. Si falta algo que dijiste, añádelo en otro mensaje, o escríbelo.

Comandos y locuciones

eroq crea voces además de imágenes, así que una petición hablada puede significar dos cosas distintas.

Un comando pide que se cree algo: «haz un clip de…», «una imagen de…». Ask prepara la herramienta y escribe el prompt. Los prompts de video e imagen se escriben en inglés para los motores, sea cual sea el idioma en que hablaste.

Una locución es un texto para decir en voz alta. Di primero la voz y después las palabras, tras dos puntos:

You say:    Aria, read this like a voicemail: Hey, it's me. I landed early, call me back when you're out.
Grey line:  Voice · Aria    [Open Voice →]

El botón abre la herramienta Voz con Aria seleccionada y tu frase como texto. Una locución conserva el idioma en que la dijiste (se pronuncia tal como está escrita), así que una frase en español se queda en español, una en francés se queda en francés, y Ask te responde en ese idioma:

You say:    Orion, lis ça doucement : la porte était déjà ouverte quand je suis arrivé.
Grey line:  Voice · Orion    [Open Voice →]

La voz puede ser una del catálogo (Aria u Orion), una de tus voces clonadas o la voz de un personaje, y cada una se encuentra por su nombre. La instrucción va antes de los dos puntos y la frase después, así que siempre queda claro qué palabras hay que decir. Prompts en cualquier idioma trata el tema del idioma con más detalle.

Como Generar sigue siendo tu clic, ves la frase antes de que se renderice. Vale la pena echarle un vistazo en un guion dictado, porque la puntuación da forma a la lectura (dirección de voz con la puntuación). Cuando generas, una locución cuesta 3 créditos por cada 100 caracteres en Voice One, 2 créditos en Voice Turbo.

Sigue la conversación por voz

El hilo conserva el contexto, así que la siguiente frase puede ser corta. Lo que dijiste antes sigue contando:

You say:    make a clip of a woman walking through neon rain at night, 10 seconds
Grey line:  Video · 10 s    [Open Video →]

You say:    now make it vertical
Grey line:  Video · 10 s · 9:16    [Open Video →]

You say:    make it with Kling instead
Grey line:  Video · Kling 3.0 · 10 s · 9:16    [Open Video →]

También funcionan frases más cortas: «lo mismo pero vertical», «mejor con Kling», «que dure 5 segundos», «ahora como imagen». Ve a Video y vuelve con el botón Atrás del navegador, o con la fila Ask de la barra lateral izquierda: la conversación sigue ahí. Nuevo chat empieza una nueva, y tus chats se quedan en este navegador, sin sincronizarse entre dispositivos. Iterar conversando lleva esto más lejos.

Moverte por el estudio con la voz

Ask hace más que preparar herramientas. Di «abre mi biblioteca», «facturación», «clona mi voz», «mis claves de API», «enséñame lo que hizo la comunidad» o «nueva película», y su botón te lleva allí.

Di «abre el clip del dragón» y busca entre tus creaciones por las palabras de sus prompts y títulos, mostrando hasta cinco coincidencias como miniaturas en las que hacer clic; si no hay ninguna, Abrir Creaciones → te lleva a tu biblioteca filtrada por esas palabras. Los personajes, los elementos y las voces clonadas se encuentran por su nombre. Lee prompts y títulos; no mira dentro de las propias imágenes o videos.

Límites honestos

• Ask no renderiza por su cuenta. No se gasta nada hasta que haces clic en Generar.
• eroq no tiene escalado, ni sincronización labial, ni inpainting, y Ask lo dice en lugar de fingir.
• Los chats se guardan en este navegador durante 30 días, solo en ese dispositivo.
• Ask forma parte del estudio, no es un endpoint de la API. Los desarrolladores llaman directamente a los endpoints de generación, o conectan asistentes a través del servidor MCP en /mcp.

Preguntas frecuentes

¿Qué navegadores admiten comandos de voz en eroq?

Chrome, Edge y Safari: el micrófono usa el reconocimiento de voz del propio navegador. En un navegador sin él, como Firefox, el micrófono no aparece y escribes en su lugar: Enter envía, Shift+Enter añade una línea nueva.

¿Tengo que pulsar enviar después de hablar?

No. Cuando dejas de hablar, las palabras se envían solas. Si una pausa envió solo la mitad de lo que querías decir, termínalo con otro mensaje: el hilo conserva lo que dijiste antes.

¿Puedo dar comandos de voz en otro idioma?

Sí. Habla en tu idioma y Ask te responde en él. Los prompts de video e imagen se escriben en inglés para los motores, mientras que una locución conserva el idioma en que la dijiste.

¿Un comando de voz gasta créditos?

No. Preguntar es gratis: Ask prepara la herramienta y te da un botón para abrirla. El botón Generar sigue siendo tu clic, con la verificación de créditos y el desbloqueo por plan de siempre.

¿Cómo hago que uno de mis personajes diga una frase?

Nombra al personaje y después da la frase tras dos puntos, con la misma forma que «Aria, lee esto: …». Ask prepara la herramienta Voz con la voz de ese personaje y conserva la frase en el idioma en que la dijiste.

Abre el estudio, toca el micrófono y di tu primer clip: un clic abre la página lista, y Generar sigue siendo cosa tuya.