Cómo funcionan las voces de los personajes

Las descripciones de voz se ven en el panel de personaje de cualquier proyecto. Abre un ejemplo, haz clic en un personaje y la línea de voz aparece debajo de la descripción de apariencia.
Modo 1 — voz escrita con palabras (el predeterminado)
La lectura del guion da a cada personaje una descripción breve de voz, igual que le da una apariencia. Esa línea pasa al prompt de vídeo y el modelo la interpreta. No se adjunta ningún archivo de muestra; no se genera nada por adelantado.
Este es el modo predeterminado porque es gratis, instantáneo y para la mayoría de los personajes es suficiente. El coste es la consistencia: dos tomas del mismo personaje pueden salir ligeramente distintas.

Modo 2 — asignado a un ajuste predefinido que puedes escuchar
Abre un personaje y pide una coincidencia de voz. Un pase corto y gratuito lee la descripción y elige una voz de la biblioteca integrada, prefiriendo una que hable el idioma correcto. Obtienes una muestra para reproducir y un selector para elegir otra si la coincidencia no encaja.
Una vez asignada, la muestra se convierte en referencia de audio en todas las tomas en las que hable ese personaje, lo que hace que la voz se mantenga a lo largo del episodio.
La biblioteca es un conjunto fijo de voces del sistema con una muestra prerenderizada para cada una, así que probar coincidencias no cuesta nada, ni tampoco cambiar de opinión.
Modo 3 — sube la tuya propia
Puedes subir un clip y usarlo como voz del personaje. Se recorta a una referencia corta y se usa igual que lo haría un preajuste emparejado. Una voz subida es una elección fija: las siguientes pasadas de emparejamiento no la sobrescribirán. Subir archivos es una función para miembros en SceneMixer — los dos primeros modos son gratis para todos.
Solo sube una voz que tengas derecho a usar. Una grabación de una persona real pertenece a esa persona, y la plataforma no ayudará a usar una sin su permiso.
Qué controla y qué no controla la voz
La voz cubre el timbre y la interpretación. No decide qué se dice: las líneas vienen del storyboard y se dicen palabra por palabra. Tampoco se aplica a la narración: las líneas marcadas como fuera de campo o voz en off se tratan como audio off, y las personas en cuadro mantienen la boca cerrada.
Si una toma no tiene diálogo, no se usa ninguna voz: lo que oyes es la pista ambiental escrita en esa toma.
Cambiar de opinión
Volver a buscar coincidencia, elegir otro ajuste predefinido y volver a la descripción de texto son acciones gratuitas y surten efecto en la siguiente toma que generes. Los segmentos que ya hayas grabado mantienen la voz con la que se grabaron; regenera un segmento si quieres que use la nueva.
| Modo | Coste | Consistencia |
|---|---|---|
| Descripción con palabras | Gratis, automático | Buena, varía ligeramente por toma |
| Ajuste predefinido coincidente | Gratis para coincidir y cambiar | Se mantiene en todo el episodio |
| Tu propio archivo subido | Función para miembros | Se mantiene; no se sobrescribe al volver a coincidir |
Preguntas frecuentes
¿Tengo que elegir las voces antes de generar el vídeo?
No. Sin una voz coincidente, la descripción se interpreta directamente, y ese es el valor predeterminado en cada proyecto.
¿Puedo escuchar una voz antes de elegirla?
Sí — cada preajuste de tu biblioteca de SceneMixer tiene una muestra que puedes reproducir en el selector.
¿Coincidir una voz cuesta créditos?
No. El paso de emparejamiento en SceneMixer es gratis, y también lo es cambiar de opinión.
¿La voz se usa para narración y monólogo interior?
Esas líneas se tratan como audio fuera de campo: se oyen, pero las personas en pantalla no mueven los labios.
¿Puedo clonar la voz de una persona concreta?
Los miembros pueden subir un clip que tengan derecho a usar. No ofrecemos clonación de una persona concreta por nombre, y no se permite subir la voz de otra persona sin permiso.
¿Puedo ponerle un acento o un dialecto a un personaje?
Sí — escríbelo en la descripción de voz, que es donde ya se define la mayoría de personajes: cada línea que diga ese personaje se interpreta como se describe, así que un acento taiwanés o de Sichuan escrito ahí se mantiene en todo el episodio. Funciona mientras el personaje no tenga audio adjunto; si hay un preajuste coincidente o una subida, estos toman el control y la descripción no es lo que se interpreta. Ponerle un acento o dialecto a un personaje.
Escucha la diferencia
Abre un personaje, asigna una voz y reproduce la muestra antes de grabar nada.
Actualizado el 15 de noviembre de 2026