SceneMixer
Español
Regístrate gratis

Texto a voz con IA

Respuesta rápida: El texto a voz con IA (TTS) lee en voz alta un texto escrito con una voz neuronal: el modelo calcula cómo debe sonar cada frase, sus palabras, acentos tónicos, pausas y tono, y luego genera el audio, así que suena leído por una persona y no armado a partir de sílabas grabadas. Elige una herramienta según los idiomas y las voces que necesitas, cuánto control ofrece sobre la pronunciación y el ritmo, y si puedes usar el audio comercialmente. En SceneMixer las líneas no se leen sobre un vídeo después: cada personaje las dice dentro del clip generado, con la voz de ese personaje.
Imagen de “Neon Debt”, un drama corto con IA generado de principio a fin por SceneMixer (7 personajes, 1 episodio)
EjemploNeon DebtRealismo de motor de juego1 episodioProducido de principio a fin por SceneMixer a partir del guionVer los episodios

Cómo funciona el texto a voz con IA

Un sistema moderno de texto a voz pasa por tres pasos:

  1. Normalización del texto: los números, las fechas, las abreviaturas y los símbolos se convierten en palabras, y el contexto decide cómo: «Dr.» se lee «doctor» delante de un nombre, y «Av.» se lee «avenida» delante de una calle.
  2. Pronunciación y prosodia: las palabras se convierten en sonidos, y el modelo predice el acento tónico, las pausas, el tono y la velocidad a partir de la frase completa; por eso una pregunta sube al final y una lista tiene pequeñas pausas.
  3. Audio: un modelo neuronal produce la forma de onda, es decir, el sonido en sí, a partir de una imagen intermedia del sonido llamada espectrograma, o directamente.

Los sistemas antiguos pegaban grabaciones cortas de un actor de voz, por eso sonaban entrecortados en las uniones. Las voces neuronales se entrenan con muchas horas de habla grabada y generan cada frase desde cero, así que la misma voz puede leer un texto que nunca ha visto con un ritmo natural.

Texto a voz con IA, generador de voz con IA, TTS: qué significan los nombres

NombreQué suele significarUso habitual
Texto a voz (TTS)Texto de entrada, audio hablado de salida, con una voz ya hechaNarración, accesibilidad, leer artículos en voz alta
Texto a vozOtro nombre para lo mismoLo mismo
Generador de voz con IATexto a voz más diseño de voz: eliges o describes una voz, y a menudo clonas unaLocuciones, personajes, anuncios
Clonación de vozUna voz nueva creada a partir de la grabación de una persona realTu propia voz a escala, con consentimiento
Cambiador de voz con IAHabla de entrada, habla de salida: tu propia grabación con otra vozTransmisiones, cambiar la voz de una toma

Así que una herramienta vendida como generador de voz con IA suele ser texto a voz con una biblioteca más grande y más control. El cambiador de voz es el caso raro: necesita una grabación de partida, no texto.

Cómo elegir un generador de texto a voz con IA

Texto a voz con IA gratis, o texto a voz gratis: qué suelen limitar los planes gratuitos

Los planes gratuitos sirven para probar una voz, y la mayoría limita al menos una de estas cosas: caracteres al mes, número de voces, descargas, uso comercial o calidad del archivo. Algunos lectores gratuitos en línea solo reproducen el audio en el navegador y no permiten guardarlo. Antes de montar un proyecto con un plan gratuito, comprueba que la voz que elegiste está en el plan por el que pagarías y lee la licencia del lugar donde vas a publicar.

Escribe texto que suene bien en voz alta

Locución con IA para vídeo: en off o hablada en la escena

Hay dos formas de poner una voz con IA en un vídeo. La habitual es la locución en off: generas la narración como audio, la colocas bajo la imagen en un editor y recortas la imagen para que encaje. Va bien para vídeos explicativos, tutoriales y documentales, donde nadie habla en pantalla.

Cuando un personaje en pantalla tiene que decir la frase, un archivo de audio aparte obliga a sincronizar los labios después. Los modelos de vídeo nuevos generan el habla junto con la imagen, así que la boca del personaje y las palabras salen de la misma pasada. Eso encaja más con el drama y el diálogo que con la narración.

Crea tu propia voz con IA: clonación y consentimiento

La clonación de voz crea una voz a partir de una grabación de muestra; más audio limpio suele dar un parecido más fiel. Clona solo tu propia voz o una que tengas permiso para usar, guarda ese permiso por escrito y di en la descripción cuándo una voz es sintética. Muchos servicios se niegan a clonar voces conocidas, y cada vez más plataformas piden a los creadores que etiqueten el audio sintético realista.

Una prueba de cinco minutos antes de elegir una voz

  1. Elige el párrafo de tu guion que tenga un nombre, un número y una pregunta.
  2. Genéralo con tres voces y escúchalo en los altavoces que usa tu público, como un teléfono.
  3. Corrige cómo se escriben los nombres y los números, y vuelve a generar.
  4. Comprueba el ritmo frente a la imagen o al tiempo de lectura que necesitas.
  5. Lee la licencia del lugar donde vas a publicar antes de generar todo el guion.
Narración sobre el vídeoHabla generada junto con la imagen
EncajaVídeos explicativos, tutoriales, documentalesDrama, diálogos, personajes en pantalla
LabiosNadie habla en pantalla, o se sincroniza despuésSe mueven con las palabras en el mismo plano
Cambiar una fraseAudio nuevo, y luego se vuelve a editar el corteRegenerar o redoblar ese plano
La vozCualquier voz de texto a vozLa voz asignada a ese personaje

Preguntas frecuentes

¿SceneMixer tiene texto a voz?

No como descarga de audio aparte. En SceneMixer las frases de cada personaje se dicen dentro del vídeo generado, con la voz asignada a ese personaje, y los labios del que habla se mueven con las palabras.

¿La voz es gratis en SceneMixer?

La voz viene con el vídeo y no se cobra aparte: una cuenta nueva de SceneMixer empieza con 50 créditos, el vídeo cuesta 10 créditos por segundo en el nivel predeterminado, y asignar una voz a un personaje no cuesta nada.

¿Cómo elijo una voz para un personaje?

En SceneMixer cada personaje tiene una voz descrita con palabras, como edad, peso o ritmo, o una preconfigurada de la biblioteca de voces que puedes escuchar antes de elegir.

¿Puedo crear mi propia voz con IA?

Con un plan de pago de SceneMixer puedes subir una grabación que tengas derecho a usar como voz de un personaje, y se usará en cada segmento en el que ese personaje hable.

¿Cómo añado una locución con IA?

En un guion de SceneMixer, empieza la nota de la frase con (voz en off): la frase se oye en el plano y nadie en pantalla mueve los labios.

¿Puede una frase sonar enfadada, cansada o susurrada?

Sí. En SceneMixer cada frase lleva una indicación de interpretación entre paréntesis, como (bajo, firme), y se interpreta así.

¿En qué idioma hablan los personajes?

En el idioma del diálogo del proyecto, elegido en el paso 1 de SceneMixer. Escribe las frases en ese idioma; es lo que dicen las voces.

¿Puedo cambiar una frase después de hacer el vídeo?

Sí. Redoblar en SceneMixer sustituye una frase en un clip terminado, y su opción Voz original mantiene la voz de la persona que habla en ese clip.

¿Puedo clonar la voz de una celebridad?

No. SceneMixer solo admite tu propia voz o una que tengas permiso para usar.

¿Es un software de texto a voz con IA que se instala?

No. SceneMixer funciona en el navegador, y en Android como app; las voces se generan en sus servidores junto con el vídeo.

Haz que tus personajes digan sus frases

Escribe una escena corta, asigna una voz a cada personaje y renderiza un segmento para escucharla.

Empezar un proyecto

Actualizado el 20 de noviembre de 2026