Cómo elegir la voz de IA adecuada para tu proyecto

Antes de abrir la lista de voces, responde a tres preguntas: quién va a escuchar, dónde lo hará y durante cuánto tiempo. Un tutorial de cinco minutos para principiantes, un clip de producto de 30 segundos y un audiolibro de dos horas necesitan voces muy distintas.

• El contenido breve y enérgico (anuncios, vídeos cortos) gana con una voz más luminosa y un ritmo algo más rápido.
• La enseñanza y los vídeos explicativos necesitan una voz clara y tranquila, a un ritmo natural o algo más lento.
• La escucha prolongada (audiolibros, artículos) necesita una voz agradable a la larga; evita las voces que cansan al cabo de unos minutos.

Elige siempre una voz creada para el idioma en el que está escrito tu texto. Una voz de otro idioma leerá tus palabras con los sonidos equivocados, aunque entienda las letras.

Después, piensa en el acento. El español de España y el de México, o el inglés del Reino Unido, Estados Unidos, la India o Nigeria, suenan distinto, y los oyentes lo notan. Si tu público está sobre todo en un país, elige una voz de ese país. Puedes explorar las voces por idioma o por país y acento.

Abre el directorio de voces, filtra por tu idioma y reproduce las muestras breves. No intentes elegir la ganadora todavía; limítate a descartar las voces que claramente no encajan con tu público. La mayoría de la gente acaba con tres a cinco candidatas.

Las muestras están escritas para sonar bien. Tu guion no será tan amable. Toma un fragmento de unas 100 a 200 palabras de tu texto real que incluya las partes complicadas: nombres, números, una pregunta, una frase larga. Pega ese mismo fragmento en el Estudio y genéralo con cada voz de tu lista corta.

Escucha una vez fijándote en cada uno de estos puntos y toma una nota rápida:

• ¿Ha pronunciado bien los nombres y los términos clave?
• ¿Las preguntas suenan de verdad como preguntas?
• ¿El ritmo es cómodo o las frases se atropellan?
• Al cabo de un minuto, ¿la voz sigue siendo agradable o empieza a resultar molesta?

Si puedes, escucha en el dispositivo que usará tu público: los altavoces del móvil y los auriculares revelan asperezas que los altavoces del portátil ocultan.

Cuando tengas una favorita, unos pequeños ajustes pueden hacer que encaje mejor. En el Estudio, la velocidad y el tono van de -50 a +50. En la práctica, cambiar unos pocos pasos suele ser suficiente:

• Reduce un poco la velocidad para la enseñanza, las narraciones largas y los oyentes que están aprendiendo el idioma.
• Auméntala un poco para contenido breve y animado.
• Baja ligeramente el tono para un registro más tranquilo y serio; súbelo un poco para uno más ligero.

Los cambios grandes en cualquier dirección hacen que cualquier voz suene artificial. Si una voz solo funciona con un ajuste extremo, probablemente no es la voz adecuada. El ritmo entre frases se controla mejor con la puntuación y las etiquetas de pausa que con el control de velocidad.

Apunta el nombre de la voz y tus valores de velocidad y tono. Usar la misma voz y los mismos ajustes en toda una serie de vídeos, un curso o un libro ayuda a los oyentes a reconocer tu contenido y hace que las partes generadas por separado suenen como una sola grabación.