Generar voz desde texto

Paso 10 de 14

Cualquier video necesita voz. A veces basta con una voz prediseñada que suene profesional. Otras veces quieres que la narración suene como tú. Esta página cubre ambos caminos: generar voz con TTS (text-to-speech) y clonar tu propia voz.

Cuándo usar cada camino

Si no sabes cuál elegir: empieza con la voz prediseñada. Puedes clonar tu voz después sin rehacer nada.

Voz prediseñada con TTS

Esto es lo que ya usas en el flujo de generar la narración del toolkit. No necesitas un proyecto activo para usarlo: también funciona como herramienta suelta.

Escribe /generate-voiceover en la conversación con Claude, o pídelo directamente:

Genera un audio con voz de Ryan en tono profesional. Texto: "Este es el resumen ejecutivo del tercer trimestre."

Claude genera un archivo de audio con la voz y el tono que elegiste. 9 voces están disponibles con Qwen3-TTS (gratuita), cada una con varios tonos: cálido, profesional, tutorial, entusiasta.

Ajustar el resultado

Si la voz no suena como esperas:

• Cambia de speaker. Cada voz tiene un timbre distinto. Prueba dos o tres antes de decidir.
• Cambia el tono. El mismo speaker suena diferente en tono cálido que en tono profesional.
• Edita el texto. A veces el problema no es la voz sino la redacción. Una frase más corta o una pausa (punto en lugar de coma) cambia el ritmo.

Clonar tu voz

Aquí pasas de una voz de catálogo a tu propia voz. Grabas una muestra corta, el toolkit aprende tu timbre y entonación, y a partir de ahí cualquier narración que generes con esa marca suena como tú.

Qué necesitas

• Un perfil de marca creado. El clon se asocia a una marca. Si no tienes una, créala primero con /brand (ver Definir tu marca).
• Una muestra de audio de 10-15 segundos. Puedes grabarla en el momento o usar un archivo existente.
• La transcripción exacta de lo que dijiste. La herramienta necesita saber qué palabras corresponden a cada sonido.

Grabar la muestra

Escribe /voice-clone en la conversación con Claude. Claude te guía paso a paso:

1. Elige la marca. Claude te muestra tus marcas existentes. Elige a cuál asociar la voz clonada.

2. Graba o importa el audio. Claude te sugiere un texto para leer en voz alta (~12 segundos). Grábate leyéndolo con tu celular, tu computadora, o cualquier micrófono. Después, pásale el archivo a Claude:

   Aquí está mi grabación: muestra-voz.m4a

   También puedes usar un archivo de audio que ya tengas (un fragmento de un podcast, una presentación grabada, una nota de voz).

3. Proporciona la transcripción. Si leíste el texto sugerido, Claude lo sabe y lo usa directamente. Si usaste tu propio audio, escribe o pega exactamente lo que dijiste.

Probar el clon

Claude genera un clip de prueba con tu voz clonada para que lo escuches:

Escucha el clip de prueba. Si suena bien, lo guardamos. Si no, puedes regrabar con otro audio.

Si no te gusta cómo suena:

• Graba otra muestra. Una muestra en un ambiente más silencioso, con más variedad de entonación, produce un clon mejor.
• Prueba con otra frase. Pídele a Claude que genere un clip diferente para escuchar cómo suena con otro texto.

Guardar el clon en tu marca

Cuando estés conforme con el resultado, Claude te pregunta si quieres configurar un tono por defecto para tu voz (cálido, profesional, tutorial). Después guarda todo en tu perfil de marca.

A partir de este momento, cada vez que generes narración con esa marca, el toolkit usa tu voz clonada automáticamente. No necesitas hacer nada diferente: el flujo de generar la narración funciona igual, pero ahora suena como tú.

Consejos para una buena muestra

Cuánto cuesta

Tanto la voz prediseñada como la clonación usan Qwen3-TTS, que corre en el procesamiento en la nube que configuraste en Preparar el entorno. Ambas son esencialmente gratis dentro de la capa gratuita de Modal. Si usas ElevenLabs como proveedor premium, el costo depende de tu plan y la duración del audio generado.