Blog Blog .RAW
Voz en off con inteligencia artificial: cómo la uso en mis vídeos
Colaboración: Artlist (colaboración en el lanzamiento de la herramienta y enlace promocional).
Siempre lo he dicho: el audio es la mitad de la experiencia audiovisual. Un vídeo con imágenes y música puede quedar muy bonito, pero la voz en off es lo que le da el toque emocional y lo que conecta con quien lo ve.
Durante varias semanas he probado una herramienta de texto a voz. Tú escribes lo que quieres que se diga, eliges una voz de su catálogo y el programa la genera.
Cómo funciona
La herramienta tiene un catálogo de voces masculinas y femeninas, con distintas entonaciones y acentos. Son voces grabadas por actores y actrices profesionales, y eso me da cierta tranquilidad: no salen de vídeos de YouTube copiados sin permiso.
El proceso es muy sencillito:
- Filtras por género o por categoría de vídeo y vas escuchando voces hasta dar con la que encaja.
- Pegas el texto en el recuadro.
- Generas una primera versión sin tocar nada, para hacerte una idea de cómo suena.
- Ajustas, vuelves a generar y descargas los fragmentos que te gustan.
- Los metes en Premiere y los colocas en el vídeo.
El caso que me hizo probarla
Grabo muchos vídeos inmobiliarios, y varios de mis clientes trabajan con compradores de fuera de España.
Uno de ellos tenía un vídeo con voz en off en español y me pidió subtítulos en inglés para sus clientes internacionales. Yo tenía el texto y tenía la herramienta, así que probé otra cosa: una versión completa en inglés, con un texto adaptado al estilo y al mensaje que quería transmitir.
La alternativa era buscar a un locutor o una locutora con el acento exacto en inglés. Desde España, el catálogo de voces disponibles es más limitado y encontrar a la persona adecuada lleva mucho tiempo.
Con esto pude añadir un servicio nuevo a lo que ofrezco: versiones en otro idioma para propiedades que se promocionan fuera.
Los ajustes que cambian el resultado
En la primera versión del gancho le faltaba fuerza. Era el mensaje inicial y tenía que sonar más entusiasta.
La herramienta tiene tres ajustes:
- Rango emocional: cuánta intensidad pone en la voz. Lo subí al 70 % y la diferencia se veía hasta en la forma de onda.
- Similitud: cuánto se parece a la voz original.
- Exageración del estilo: acentúa el carácter de la voz elegida.
Cuanto más expresivo lo pones, más cambia el tono entre una generación y la siguiente. Yo lo mantengo en torno al 70 % como mucho. Al 100 % salen sonidos muy raros.
Otro detalle útil: en cada audio generado puedes consultar la voz y los ajustes que usaste. Si retomas el proyecto días después, repites los mismos valores y mantienes el mismo tono.
Voces en español
Al principio casi todo el catálogo estaba en inglés. Las voces en español las identificaba por el título, como Serenidad o Versátil. Algunas suenan más argentinas y otras a un español neutro, a medio camino con el latinoamericano. Serenidad, por ejemplo, al principio me parecía latina, pero con mi texto sonaba bastante neutra.
El truco es no quedarte solo con las voces en español. Muchas pensadas para inglés funcionan en español y suenan bastante bien. Una llamada Rural, que no está catalogada en español, es la primera que usé en el vídeo.
Prueba todo el catálogo con tu frase y quédate con la que funcione.
Voces para crear ambiente
Viendo un vídeo de mi amigo Antonio Wimmer descubrí otro uso que no había pensado: voces complementarias que envuelven la secuencia y crean ambiente.
Lo probé en la pieza que abre mi vídeo. Quería representar la tensión de estar editando mientras los clientes te piden el proyecto: «¿Puedes entregar el vídeo hoy?», «Lo necesito para mañana», «Mándamelo, por favor». Todas esas voces están hechas con la herramienta.
Para darle un toque más creativo, a algunas les puse en Premiere el ajuste preestablecido de intercomunicador del panel de sonido esencial, para que sonaran como una llamada de teléfono.
Mis recomendaciones
Trocea los textos largos
En un proyecto para un cliente, toda la pieza llevaba la misma voz en off. Si metes el texto entero de golpe, no suena como quieres. Genera frase a frase, o incluso una sola palabra si hace falta, y únelo en el programa de edición.
Combina descargas
No puedes dirigir la herramienta como a un locutor y pedirle más énfasis en una palabra concreta. Con «mándamelo, por favor» me pasó justo eso: en una versión me gustaba el inicio y en otra el «por favor». Descargué las dos, corté y mezclé.
Dale un toque en edición
Además del intercomunicador, puedes hacer que suene a podcast, a radio o a llamada.
Úsala como maqueta
Antonio lo hace así: monta el vídeo con una voz artificial para que el cliente vea cómo va a quedar, y después contratan a un locutor profesional que ya sabe exactamente qué tiene que grabar.
Lo que pienso de todo esto
No creo que los locutores vayan a desaparecer. Esa dirección palabra por palabra solo la da una persona, y un servicio así de personalizado puede tener todavía más valor.
A mí estos avances me emocionan, aunque entiendo el miedo. Me molestaría mucho que alguien usara mi voz sin mi consentimiento.
Mi postura es pragmática: esto va a llegar igual. Cuanto antes entiendas cómo funcionan estas herramientas, antes podrás decidir dónde te sirven y dónde no.