Voces de personajes con IA
Voces de personajes con IA
Actualizado el 15 de noviembre de 2026

| SceneMixer de un vistazo | Qué obtienes |
|---|---|
| Precio del video | Desde 0,06 $ por segundo (10 créditos) en el nivel predeterminado, hasta 0,47 $ por segundo en el nivel superior; cada precio se muestra antes de pulsar el botón |
| Duración del clip | Hasta 30 segundos por segmento generado; un episodio se compone a partir de sus segmentos a 1 crédito por segundo |
| Un episodio, calculado | Un episodio de 60 segundos en el nivel predeterminado cuesta unos 660 créditos (video más composición), unos 4,11 $ al precio de crédito más bajo; una serie de 10 episodios de 90 segundos a partir de una novela de 30.000 caracteres cuesta unos 10.026 créditos, unos 62 $ |
| Diálogo | Se habla dentro del propio video, con una voz por personaje, en cualquiera de 15 idiomas |
| Formatos | 9:16 vertical o 16:9 horizontal; de 480P a 1080P, más un nivel 2K |
| Gratis para empezar | 50 créditos al registrarte, 15 imágenes de configuración gratuitas, un storyboard gratis para el primer episodio y una vista previa de video gratuita de 5 segundos |
| Quién lo usa | Más de 2900 creadores han generado con SceneMixer (cuentas con al menos una generación, contadas en noviembre de 2026) |
| Entrada | Un guion, una novela o una idea en una línea; subida de archivos .txt, .docx y .md |
De dónde viene realmente la voz
La mayoría de flujos de trabajo de vídeo con IA tratan el audio como un paso separado: generan metraje mudo, sintetizan las líneas y luego luchan por sincronizar los labios. Los modelos de vídeo que usamos aquí generan audio e imagen en un solo paso, lo que elimina ese problema pero cambia lo que es un «ajuste de voz». No es un motor de texto a voz al que le pasas un guion: es una referencia sobre la que se condiciona el proceso de generación.
| Descripción escrita | Edad, timbre, peso, forma de hablar: se genera a partir del guion junto con todo lo demás del personaje, y el modelo de vídeo la interpreta. |
|---|---|
| Preestablecida coincidente | Una voz elegida de una biblioteca de voces del sistema, cada una con una muestra de audio corta que puedes escuchar. Una llamada al modelo propone una coincidencia por personaje según género, idioma y edad; puedes volver a buscar coincidencia o elegir otra manualmente. |
| Tu propia muestra | Con un plan de pago, sube audio para un personaje y se convierte en la referencia de ese personaje en cada segmento en que hable. |
La voz que se asigne se usa de forma coherente: el mismo personaje habla con la misma voz en todos los segmentos y todos los episodios, por la misma razón por la que su cara se mantiene igual: la referencia viaja con él.
Hasta dónde llega la clonación, y por qué
SceneMixer clona una voz en dos lugares únicamente: la Voz original de Redoblar, que copia la voz de un personaje del clip que se está redoblando (la clonación de voz con IA tiene los detalles), y una grabación que subes para un personaje. No toma la voz de otra persona sin su permiso: publicar una interpretación sintética con la voz de una persona real es un problema de semejanza en la mayoría de los mercados que atendemos. Nuestra propia lista de verificación de cumplimiento trata la semejanza — rostro y voz por igual — como algo que debes tener derecho a usar antes de publicar.
Dos consecuencias de esto que vale la pena decir claramente:
- Subir tu propia voz está bien. Es tu imagen, y la opción de subir existe precisamente para eso.
- Diseñar una voz a partir de una descripción de texto no es el mecanismo que usamos aquí. Ese método se eliminó en agosto de 2026 a favor de la coincidencia con voces reales muestreadas, porque una voz diseñada con adjetivos varía entre tomas igual que lo hace una cara descrita con adjetivos.
El idioma es un ajuste separado
El idioma del diálogo se elige en Paso 1 y se aplica a todo el proyecto: las líneas se escriben en ese idioma en la fase de análisis, se copian tal cual al guion gráfico y se interpretan en él. No es un doblaje de un original en inglés: no hay original en inglés. El reparto, los nombres y los escenarios pueden pasar al mercado correspondiente a la vez mediante el ajuste de región objetivo. SceneMixer admite quince idiomas, y el argumento en contra del doblaje explica por qué generar la línea es mejor que volver a ajustar su tiempo.
Cuánto cuesta
La coincidencia de voz es una llamada gratuita a un modelo: no consume créditos ni cuenta para tu límite de tareas simultáneas. Subir tu propia muestra no cuesta créditos, aunque con los ajustes actuales del plan subirla es una función de membresía. El audio en sí forma parte de la generación de vídeo, que empieza en 10 créditos por segundo de salida (≈ 0,06 $/s en el precio más bajo por crédito); no hay ningún cargo aparte por palabra ni por carácter de habla. Consulta la página de precios, o la visión general del generador para ver dónde encaja la voz en el proceso.
Lo que todavía no puedes hacer
- Vuelve a poner voz a cualquier clip que subas. SceneMixer genera la voz junto con la imagen. La excepción es un remake: Reemplazar puede cambiar las líneas de tu clip subido, y la parte con la línea cambiada se vuelve a generar y la IA le pone voz de nuevo.
- Dirigir una línea de oído. La interpretación se guía por las notas escritas en el storyboard —una pista entre corchetes en cada línea—, no por un editor de formas de onda. Si una lectura es incorrecta, cambias la nota y regeneras el segmento.
- Grabar subtítulos en el vídeo. Los subtítulos para una plataforma se añaden después de la exportación; el flujo de trabajo escribe texto en el fotograma solo cuando la historia lo requiere.
Cada episodio, en quince idiomas
El idioma de los diálogos se configura una vez en el Paso 1 y toda la ejecución se interpreta en él, mientras que el ajuste de región de destino adapta nombres, caras y calles a ese mercado al mismo tiempo. Cada muestra a continuación se produjo de esa forma, una por idioma.
Idiomas
Diálogos nativos en 15 idiomas
Cada serie a continuación se ha producido con el mismo flujo de trabajo de SceneMixer y el reparto habla ese idioma de forma nativa: la interfaz, los documentos de trabajo y las líneas habladas están en un mismo idioma, y no hay doblaje. Abre una para escucharlo.
A Carta de LisboaPortuguêsDiálogo nativo
윈터 프라미스한국어Diálogo nativo
El Secreto de CostaEspañolEn tu idioma
浪人の誓い日本語Diálogo nativo
Ikrar JakartaBahasa IndonesiaDiálogo nativo
Зимняя коронаРусскийDiálogo nativo
L’Héritier du DéfiléFrançaisDiálogo nativo
Il Tavolo dell'OlivaItalianoDiálogo nativo
De Vuurtoren van de FjordNederlandsDiálogo nativo
العهد الصحراويالعربيةDiálogo nativo
Çantasındaki SözleşmeTürkçeDiálogo nativo
Die Istanbul-TäuschungDeutschDiálogo nativo
Останній сигналУкраїнськаDiálogo nativo
問劍青雲繁體中文Diálogo nativo
The Last EnvelopeEnglishDiálogo nativo
SceneMixer frente a unir herramientas sueltas
La mayoría de los flujos de trabajo de dramas con IA son cinco o seis herramientas encadenadas. Aquí tienes dónde ocurre cada paso y qué sustituye.
| Paso | En SceneMixer | A mano, con herramientas separadas |
|---|---|---|
| Guion y plan de episodios | Pega un guion o una novela, o escribe una sola línea: se lee y se convierte en un reparto, localizaciones, objetos de escena y un esquema de episodios que puedes editar | Un modelo de chat escribe el guion; tú lo divides en episodios y pasas el texto de una herramienta a otra |
| Rostros de personajes y lugares | Cada personaje, localización y objeto se dibuja una sola vez como hoja de referencia y se adjunta a todos los planos en los que aparece | Un modelo de imagen, una hoja cada vez; tú subes la referencia correcta a cada clip |
| Planos | Un storyboard por episodio con planos numerados y segundos; el video se genera segmento a segmento en 9:16 o 16:9 con las mismas hojas de referencia | Un modelo de video, un clip por instrucción, describiendo a las mismas personas una y otra vez |
| Voces y diálogo | Las líneas se interpretan dentro del propio video, con una voz por personaje, en cualquiera de 15 idiomas | Una herramienta de texto a voz para cada línea y después una pasada de sincronización labial en cada clip |
| Corregir un plano | Edita el texto de ese plano y regenera solo el segmento; el resto del episodio queda intacto | Regenera el clip y vuelve a montar la línea de tiempo |
| Acabado | Los segmentos se componen en un único archivo de episodio con su banda sonora; los miembros descargan sin la insignia de IA | Un editor de video para unir los clips, añadir música y subtítulos y exportar |
| Publicación | Subes el episodio terminado a TikTok, YouTube, Instagram o a cualquier otro sitio; no se publica nada por ti | Súbelo a mano, igual que aquí |
Preguntas frecuentes
¿Puede SceneMixer clonar una voz?
Sí, dentro de límites. Cuando cambias una línea, la Voz original de Redoblar clona la voz del personaje a partir de ese clip, y en un plan de pago puedes subir una grabación que tengas derecho a usar como voz de un personaje. Las demás voces provienen de una biblioteca de voces predefinidas muestreadas. SceneMixer no toma la voz de otra persona sin su permiso.
¿El habla se dobla después de generar el vídeo?
No. Los modelos de video de SceneMixer generan imagen y audio en la misma pasada, así que la interpretación y el movimiento de la boca salen de una sola generación. Por eso cambiar una línea significa regenerar ese segmento en lugar de volver a cortar una pista de audio.
¿Puedo subir mi propia voz?
Sí, en un plan de pago de SceneMixer. Sube una muestra de un personaje y se convierte en la referencia de voz de ese personaje en cada segmento en el que habla.
¿Todos los personajes tienen que hablar el mismo idioma?
El idioma del diálogo de SceneMixer es un ajuste a nivel de proyecto, así que sí, dentro de un mismo proyecto; pero el idioma se elige de forma independiente del idioma en el que escribiste el guion y de tu idioma de interfaz. Un mismo guion puede producirse para varios mercados ejecutándolo con distintos ajustes.
¿La voz se mantiene igual en todos los episodios?
Sí, por la misma razón que la cara: cualquier voz asignada a un personaje se adjunta a nivel de proyecto y está presente en cada segmento en el que ese personaje hable.
Personajes que hablan, no clips que doblas
Imagen e interpretación en un solo paso, en el idioma que habla tu audiencia.
Prueba SceneMixer gratisPaquetes de credits desde 1,49 $ · Pro 7,99 $/mes · No necesitas tarjeta de crédito para empezar