Voz en off para videos con IA: del guion al audio

Para crear una voz en off para videos con IA de forma fiable, separa el contenido, la producción de la voz y la entrega. Empieza con un guion aprobado, prueba un pasaje representativo, produce segmentos fáciles de controlar y escucha el montaje completo en su contexto. Guarda la correspondencia entre cada archivo de audio y la versión del texto que lo produjo.

Abre Música y voces, deja Open TTS, el modelo de voz por defecto, y pega tu primer segmento. Para un documento completo, usa Documentos en audio; para un audiolibro con varias voces, Historia en audio.

Esta forma de trabajar evita rehacer toda una narración porque cambió un nombre o porque una frase ya no coincide con el video. También hace que los errores sean más fáciles de encontrar y de corregir.

Define qué debe acompañar la voz en off

Si tu proyecto necesita tu propia voz reconocible en lugar de una voz del catálogo, consulta la guía para clonar tu propia voz con IA con consentimiento y verificaciones. Aclara los permisos y los requisitos de grabación antes de elegir este camino y crea tu voz en Clonación de voz; no toda narración necesita clonación.

Antes de elegir una voz, precisa el destino: audio independiente, video de demostración, presentación o curso. La misma frase no funciona igual en todos esos contextos. Si quieres un presentador en pantalla, Avatar parlante sincroniza una foto con tu narración.

En un audio independiente, «haz clic aquí» no se entiende sin otra indicación. En un video, una instrucción puede depender del momento en que aparece un elemento. Tu brief debe decir qué ve la persona, qué sabe ya y qué debe entender al final.

Para nuestro ejemplo original, preparamos una breve presentación ficticia de una biblioteca de barrio en Querétaro: la biblioteca Los Olmos. El texto explica cómo ubicar los espacios y dónde pedir ayuda.

Prepara una carpeta de producción ligera

No necesitas un sistema complejo para empezar. Un documento de seguimiento y archivos bien identificados bastan para una producción pequeña.

Guarda estos elementos: el brief, el guion aprobado, las pronunciaciones por verificar, las referencias de audio autorizadas si hacen falta, los archivos elegidos y las correcciones que siguen abiertas. Separa las pruebas de los entregables para no enviar una toma vieja por error.

Elige identificadores estables para los pasajes. Por ejemplo, OLM-01-recepcion sigue siendo el mismo tema cuando su texto pasa de la versión 1 a la versión 2. El nombre del archivo puede añadir después esa versión y el número de toma.

Valida el texto antes de la voz

Este es un primer guion, dividido según su sentido:

Segmento	Texto de trabajo
OLM-01	Te damos la bienvenida a la biblioteca Los Olmos. Para comenzar tu visita, dirígete al mostrador de recepción.
OLM-02	La sala de lectura está a la izquierda del mostrador. Allí puedes consultar los libros que se exhiben en las mesas.
OLM-03	Si buscas un título o una información, pregunta al equipo de recepción. Te ayudará a continuar tu recorrido.

Antes de una producción real, la institución debería confirmar los lugares, los servicios y las formulaciones. Una narración agradable no vuelve exacto un recorrido.

Revisa también los números, los nombres propios y las abreviaturas. Mantén el texto que se muestra separado de las adaptaciones que uses para guiar la pronunciación: una ortografía fonética de trabajo no debe terminar automáticamente en la transcripción pública. La guía para preparar un texto para la voz con IA detalla esas adaptaciones.

Prueba un pasaje representativo

Si todavía comparas varias voces para una grabación larga, la guía para elegir una voz de IA para un audiolibro o una narración larga ayuda a fijar criterios de escucha comparables. Haz esa elección antes de producir todas las secciones, para que un cambio de voz no obligue a revisar todas las tomas.

No elijas una voz solo con una frase de bienvenida. Prueba un fragmento que contenga las dificultades del proyecto: un nombre propio, una frase larga, una cifra o un cambio de ritmo. Evalúa la claridad tanto como lo agradable del timbre. Compara, por ejemplo, Open TTS, ElevenLabs, Gemini Flash TTS y MiniMax Speech 2.6 HD, que lee con naturalidad los números y las fechas.

En nuestra biblioteca, el nombre «Olmos» y la expresión «se exhiben» merecen una escucha atenta. Comprueba que las consonantes se entiendan y que las pausas no corten el sentido.

Ejemplo de prompt para dirigir la lectura:

Prepara una narración en español neutro, cordial y sobria, para una visita a una biblioteca. El público descubre el lugar. Lee el texto proporcionado sin agregar frases. Prioriza una articulación clara y pausas que sigan el sentido. No conviertas la lectura en un anuncio.

En Música y voces, esa dirección se traduce primero en la elección de la voz; con Open TTS, ajusta también la velocidad y coloca una etiqueta como [pause] o [soft] justo antes del pasaje que te interesa.

Usa solo una voz que se ofrezca con condiciones adecuadas para tu proyecto. Si trabajas con la identidad vocal de una persona, verifica su autorización y el marco de uso antes de producir.

¿Tu guion y tus criterios están listos? Abre Música y voces para generar tus segmentos; para un documento completo, usa Documentos en audio.

Produce segmentos que suenen naturales

Corta en transiciones lógicas, no a mitad de una frase. Los fragmentos demasiado cortos pueden dar comienzos de frase artificiales en cada unión; un solo archivo larguísimo dificulta una corrección local.

En nuestra visita, los tres bloques corresponden a tres informaciones distintas. Si cambia el segundo, sabes qué pasaje reemplazar. Pero escucha después cómo se une con los otros dos: una toma correcta por sí sola puede tener una energía distinta dentro del conjunto.

Conserva la voz y los ajustes que aprobaste. Anota los cambios. Si modificas a la vez el texto, la voz y el ritmo, te costará entender por qué el nuevo resultado parece menos coherente.

Controla el contenido antes de trabajar la mezcla

Escucha cada segmento siguiendo el guion. Busca palabras omitidas, repeticiones, números mal leídos y añadidos.

Anota los defectos de forma aprovechable. «No suena natural» es difícil de corregir. «Pausa demasiado larga entre “mostrador” y “de recepción”» da una dirección precisa. Clasifica las correcciones según su causa: texto, pronunciación, ritmo o calidad del sonido.

Corrige primero los errores que cambian el sentido. Una ligera diferencia de tono pesa menos que una instrucción que manda a la persona al lugar equivocado.

Escucha la voz en off dentro del montaje final

Si un video acompaña la voz, comprueba que la imagen corresponda a la instrucción en el momento en que se oye. No compenses siempre una secuencia demasiado corta acelerando el habla: también puedes acortar el texto o ajustar el montaje.

Si agregas música, asegúrate de que no tape las palabras. Para un video narrado, Storytelling produce voz en off, subtítulos y música hasta la película montada: retoma tu guion aprobado en la narración de cada escena antes del renderizado y baja el «Volumen de la música» si cubre la voz.

Prueba el resultado en el dispositivo que corresponda, sobre todo en un celular si el contenido se va a ver así. Escucha también el principio y el final del archivo exportado para detectar un corte brusco o un silencio inesperado.

Entrega un conjunto verificable

La carpeta final debería permitir encontrar el guion aprobado, el archivo elegido y su versión. Para un video, conserva también el montaje correspondiente: una banda sonora anterior puede contener información distinta.

Prevé una transcripción fiel al audio final cuando el contexto lo pida, y ofrécela junto al medio. Debe reflejar el resultado entregado, no solo el guion inicial. Con Open TTS, marca «Transcripción» y «Subtítulos SRT» en «Archivos de texto»: Música y voces te los entrega con cada segmento. Historia en audio también exporta la transcripción y los subtítulos SRT de un audiolibro con varias voces.

Lista de verificación

• El guion está aprobado y cada pasaje tiene un identificador estable.
• Los números, nombres propios y abreviaturas están revisados.
• Probaste un pasaje con las dificultades reales del proyecto antes de producir todo.
• Los segmentos se cortan en transiciones lógicas y cada archivo indica la versión del texto.
• Escuchaste cada segmento con el guion en la mano y anotaste los defectos por causa.
• Escuchaste la voz dentro del montaje final y en el dispositivo de uso.
• Hay una transcripción que coincide con el audio entregado.

Preguntas frecuentes

¿Siempre hay que dividir el texto?

No. Para un mensaje muy corto, un solo archivo puede bastar. Dividir resulta útil cuando el contenido tiene varias partes que pueden revisarse por separado.

¿Cómo hago una voz en off para un video si nunca la he hecho?

Escribe y aprueba el guion, prueba un pasaje con una voz del catálogo, produce el audio por segmentos y escúchalo dentro del video. Ajusta el texto o el montaje antes de acelerar la lectura, y conserva la transcripción del resultado final.

¿Cómo convierto un PDF en una narración de audio?

Súbelo a Documentos en audio, que también acepta archivos de Word y PowerPoint: validas la transcripción antes de generar el audio. Revisa ahí los nombres y los números como en un guion.

¿Cuándo hay que rehacer todo el audio?

Cuando una corrección local ya no se integra de forma natural o un cambio afecta el tono de todo el conjunto. Revisa primero las uniones antes de conservar o reemplazar una toma.

Empieza con un guion aprobado y un fragmento de prueba, y luego genera tu narración en Música y voces. Una producción organizada facilita las correcciones y protege la coherencia hasta la entrega. Si quieres seguir aprendiendo, revisa las demás guías de Deepnia o explora todas las herramientas en crear.