Generador de videos con voz IA

De dónde sale la voz, y dónde se oye

Un narrador de IA no es un locutor grabado al que le cambias las palabras, ni la voz metálica de los lectores de pantalla de hace años. Es un modelo que lee tu guion entero y decide cómo respirar dentro de él. En todo el proceso no hay micrófono: escribes un texto y el audio sale de ahí.

Esa voz no está en todos los formatos, y conviene saber dónde sí. En el narrado se oye sola, sobre las imágenes: es el clásico video sin nadie en pantalla. En una foto animada, la imagen se mueve mientras la voz cuenta. Con presentador hay una persona generada hablando a cámara, pero esa persona no usa la voz del narrador: habla con la suya, que se elige aparte. Y el carrusel se queda fuera de todo esto, porque no es un video: son láminas fijas que se leen, sin voz, sin música y sin subtítulos.

Lo que cambia entre un video que suena bien y uno que suena a máquina casi nunca es la voz elegida. Es el texto que le das. Por eso el guion es un paso aparte y revisable, y no algo que pasa de largo camino de la producción.

La puntuación es la que manda en las pausas

Esto es lo más útil que puedes saber antes de escribir tu primer guion: la voz obedece a los signos. La coma es una respiración corta. El punto es una parada de verdad, y la frase siguiente arranca desde arriba. Dos frases cortas seguidas suenan a alguien contando algo; una frase larga con tres subordinadas suena a alguien leyendo un papel en voz alta.

Así que el ritmo se corrige escribiendo, no buscando otra voz. Si una idea se atropella, parte la frase en dos. Si quieres que algo caiga con peso, ponle un punto delante y déjalo solo. Si una enumeración va demasiado rápida, mete las comas donde tú harías la pausa contándoselo a alguien.

Y un aviso que ahorra un video tirado: lo que escribas entre corchetes se lee en voz alta. Si pones «[pausa]» o «[risas]» esperando que la voz haga una cosa u otra, lo que vas a oír es la palabra «pausa» y la palabra «risas». Las acotaciones de guion de teatro aquí no sirven de nada.

• Coma: respiración corta, sin cerrar la frase.
• Punto: parada, y la siguiente frase empieza de nuevo.
• Puntos suspensivos: la pausa más larga, para dejar algo colgando.
• Signos de interrogación y exclamación: cambian la entonación de toda la frase, no solo del final.
• Corchetes con acotaciones: se leen tal cual. No los uses.

El idioma de la voz no tiene que ser el tuyo

El idioma en el que tú trabajas y el idioma en el que suena el video son dos cosas separadas, y se eligen por separado. Puedes escribir la idea en español y pedir el video en inglés: el guion se escribe en inglés y la voz lo lee en inglés, sin que tú traduzcas ni una línea.

Sirve para lo evidente, que es contar lo mismo a dos públicos sin rehacer el trabajo. Y sirve para algo menos evidente: ver cómo queda tu idea en el otro idioma antes de decidir en cuál publicas, que a veces cambia la decisión.

El límite conviene decirlo claro: hoy la voz va en español o en inglés, y no en más idiomas. Si necesitas portugués o francés, todavía no puede ser.

Lo que puedes oír antes, y lo que no

Aquí hay que desmontar una promesa que se hace mucho en páginas como esta: no puedes oír TU guion con la voz elegida antes de producir. Eso no existe. Lo que sí suena en la app son las muestras que trae cada voz del catálogo, frases ya grabadas por el proveedor que te dejan juzgar el timbre, el acento y la edad aparente de quien habla, pero que no dicen tu texto.

El motivo es de dinero, y el dinero es tuyo: sintetizar tu guion solo para escucharlo gastaría los mismos créditos que la narración de verdad, o sea que pagarías dos veces por el mismo audio. Las muestras del catálogo, en cambio, son archivos ya hechos y no cuestan nada; puedes pasearte por todas las voces las veces que quieras.

Así que el orden que funciona es este: el timbre lo eliges oyendo, con las muestras, y el ritmo lo escribes tú, con la puntuación de arriba. Son dos decisiones distintas y se toman con herramientas distintas.

Lo que sí ves con certeza antes de producir es lo que va a costar ese video concreto, con su desglose, en el paso de revisión, y hay que aceptarlo para que empiece. No es un simulador que puedas mover a ratos: una vez creada la producción, el formato y la duración ya no se cambian.

Cuánto dura al final, y cómo empezar

Aquí hay que ser honesto con una cosa. Eliges la duración —de 15 a 190 segundos— y el guion se escribe para caber en ese tiempo, pero la voz no lee siempre a la misma velocidad. Una frase con cifras, siglas y nombres propios se lee despacio; una frase corriente vuela. El resultado es que la duración baila: pides 30 segundos y el video puede quedarse en 24 o irse a 34.

No es un fallo que se arregle calibrando, porque depende de lo que diga cada frase concreta. Lo decimos antes y no después porque, si lo tuyo es un corte que debe durar exactamente 30 segundos —un anuncio con un hueco ya comprado, por ejemplo—, eso te importa mientras decides, no cuando ya tienes el archivo.

Lo que sí está en tu mano es acercarte: acortar el guion baja el tiempo y alargarlo lo sube. Como el guion es un paso revisable, ahí es donde se ajusta antes de que se produzca nada.

Dos límites más, por si te tocan. Puedes pedir hasta 20 guiones en 24 horas, que da de sobra para probar pero no es infinito. Y el video terminado se guarda 30 días desde que queda listo; después deja de poder descargarse, así que bájatelo cuando lo tengas. El guion y el historial sí se conservan.

Sí se puede empezar sin pagar. Al confirmar el correo entran 150 créditos de regalo, y con ellos se producen videos completos: mismo guion, misma voz, mismas escenas y los mismos subtítulos que en uno pagado. La única diferencia es que llevan una marca de agua encima. Esa marca se va con tu primera recarga --la más pequeña vale, y no hay suscripción obligatoria--, y se va también de los videos que ya hubieras hecho con el saldo de regalo, sin volver a producirlos.

Preguntas frecuentes

¿Cómo hago un video con voz de IA?

Escribes la idea en una o dos frases, se genera el guion y lo corriges si quieres, y la voz lo lee. Luego se montan las escenas, la música y los subtítulos. No hace falta grabar nada ni tener micrófono.

¿Puedo elegir el idioma de la voz?

Sí, y es independiente del idioma en el que tú escribes: puedes escribir en español y sacar el video con la voz en inglés. Hoy hay dos idiomas, español e inglés.

¿Puedo oír mi guion con la voz antes de producir?

No. Lo que puedes oír son las muestras que trae cada voz del catálogo, grabadas de antemano por el proveedor: sirven para elegir timbre y acento, pero no dicen tu texto. Sintetizar tu guion solo para escucharlo gastaría los mismos créditos que la narración final, así que no se hace.

¿Cómo consigo que la voz haga las pausas donde yo quiero?

Con la puntuación. La coma es una respiración corta y el punto es una parada. Si una frase suena atropellada, pártela en dos. Lo que no funciona son las acotaciones entre corchetes: «[pausa]» se lee en voz alta como la palabra «pausa».

¿El video dura exactamente los segundos que pido?

No siempre. La voz lee más despacio unas frases que otras, así que la duración se acerca a la que pides pero puede quedarse algo corta o pasarse unos segundos. Si necesitas un corte de duración exacta, tenlo en cuenta antes de producir.

¿Puedo probar el narrador de IA gratis?

Sí. Al confirmar el correo entran créditos de bienvenida y con ellos se producen videos completos, con la misma voz y los mismos subtítulos que en uno pagado. La única diferencia es una marca de agua encima, que se va con tu primera recarga —la más pequeña vale— o al contratar un plan, y se quita también de los videos que ya hubieras hecho.