Clonar voz

Clona tu propia voz a partir de una grabación corta y haz que lea textos o locuciones en otros idiomas. Primero lees una frase de consentimiento, y la comprobamos antes de clonar nada.

Also in English

Practica la grabación de consentimiento

Para crear tu voz, lees en voz alta una frase como esta. Practica aquí primero: la grabación se queda en tu navegador y no se sube.

Ejemplo de resultado

El hablante de este ejemplo es una de nuestras voces sintéticas de catálogo, así que en esta página no se clona la voz de ninguna persona real. Leyó en inglés la frase de consentimiento de abajo. Esa grabación fue la referencia, y el clon leyó después un texto en español que nunca había dicho.

Grabación de consentimiento (inglés, 13,5 segundos)

I am recording my own voice and I agree to SoundHalo creating a synthetic copy of it. My check words are candle, garden and blanket. I will only use this voice for content I am allowed to make.

Voz clonada leyendo en español (6,6 segundos, 98 bytes, 0.0015 USD)

Hola a todos. Gracias por venir hoy. Vamos a hablar del río pequeño que pasa detrás de mi casa.

Comprobaciones de este resultado: al transcribirlo se obtuvo el texto en español palabra por palabra, y su parecido con la voz de la grabación de consentimiento fue de 0,91 (el umbral de mismo hablante es 0,65; dos voces distintas dieron 0,42).

Cómo funciona la comprobación de consentimiento

  1. Confirmas tres cosas: la voz es tuya o tienes permiso por escrito de la persona, no es una figura pública y la persona tiene 18 años o más.
  2. Recibes una frase con tres palabras de control aleatorias. Caduca a los 15 minutos y sirve una sola vez, así que no se puede reutilizar una grabación antigua o editada.
  3. La lees en voz alta en el navegador. Nuestro reconocimiento de voz debe oír la frase con, como mucho, una cuarta parte de las palabras mal. Si no, no se clona nada.
  4. Las muestras adicionales se comparan con la voz del consentimiento mediante un modelo de reconocimiento de hablantes. Las que suenan a otra persona se descartan y te decimos cuáles.
  5. Guardamos la grabación de consentimiento, la frase, lo que se oyó y tus confirmaciones con la fecha, como registro del permiso.

Esto no puede demostrar quién habla ni que el permiso exista de verdad. Dificulta el mal uso casual y deja un registro. El mal uso infringe nuestros términos y eliminaremos las voces que los infrinjan.

Cómo conseguir un buen clon

  • Graba en una habitación tranquila, a un palmo del micrófono, con tu voz normal.
  • Sin música, televisión ni otras personas de fondo. El sonido de fondo se copia en la voz.
  • Las muestras adicionales ayudan más si suenan como quieres que hable la voz: de 5 a 60 segundos cada una, y solo esa voz.
  • El clon copia el sonido de tu voz, no tu acento en cada idioma. Escucha el archivo completo antes de usarlo.

Límites y precio

  • Sin cuenta: solo puedes practicar la grabación. Para clonar necesitas una cuenta gratuita.
  • Cuenta gratuita: 0.03 USD de voz clonada al día, hasta 2000 bytes por solicitud (unos dos minutos de voz).
  • Pro (15 USD al mes): 0.30 USD al día, hasta 20.000 bytes por solicitud.
  • Una voz personal por cuenta. Hasta tres muestras adicionales. La referencia usa como mucho 45 segundos de audio.

El precio es el costo real del proveedor de voz por byte de texto, sin recargo sobre tu plan. Una solicitud que llegó al proveedor cuenta aunque falle. Los límites se restablecen a medianoche UTC.

Idiomas

Tu voz puede leer en inglés (ee. uu.), inglés (reino unido), español, francés, alemán, italiano, portugués (brasil), portugués (portugal), japonés, chino (mandarín), ruso, turco, polaco, neerlandés, vietnamita, indonesio, árabe. La frase de consentimiento se graba en inglés o en español; después el clon puede hablar cualquiera de estos idiomas. Son los idiomas que Fish Audio indica para su modelo y que nuestro texto a voz también cubre. No ofrecemos otros hasta haberlos comprobado.

Úsala en texto a voz y en voz en off

Cuando tu voz exista, elige "Tu voz personal" en la herramienta de voz en off con la sesión iniciada, o escribe un texto en tu página de voz. La herramienta de texto a voz mantiene sus voces de catálogo gratuitas. Para doblar una grabación con las voces de sus hablantes, elige "Voces originales de los hablantes" en la herramienta de traducir audio.

Uso aceptable

Clona solo tu propia voz o una voz que tengas permiso por escrito para usar. No clones figuras públicas, menores ni a nadie para engañar, acosar, estafar o ponerle palabras en la boca. No uses una voz clonada para superar verificaciones por voz de bancos u otros servicios. Todo lo que se crea aquí es voz sintética; indícalo cuando pueda importar. Consulta los términos.

Privacidad

Tus grabaciones se suben a SoundHalo. Guardamos un clip de referencia limpio y el registro de consentimiento en almacenamiento privado hasta que elimines la voz o tu cuenta; las subidas se borran cuando la voz está creada. Cada vez que la voz habla, la referencia, sus palabras y tu texto van a Fish Audio, cuyos términos le permiten usar el contenido enviado para entrenar sus modelos. El reconocimiento de voz de la comprobación usa nuestro proveedor de transcripción habitual. El audio generado sigue nuestra regla de acceso de 30 días.

Herramientas relacionadas

Preguntas frecuentes

¿Puedo clonar la voz de otra persona? +

Solo con su permiso por escrito, y nunca la de una figura pública, celebridad, político o menor de 18 años. Lo confirmas antes de empezar, y la persona dueña de la voz debe leer ella misma la frase de consentimiento. Guardamos esa grabación y tu confirmación como registro.

¿Cuánto cuesta? +

La voz clonada necesita una cuenta gratuita. Se cobra a lo que nos cobra el proveedor de voz: 15 USD por millón de bytes de texto, unos 0,015 USD por cada 1000 caracteres en español sin tildes. Una cuenta gratuita incluye 0.03 USD al día y Pro incluye 0.30 USD al día. El costo de cada solicitud se muestra antes de generarla.

¿Por qué el japonés gasta más de mi asignación? +

El proveedor cobra por bytes de texto, no por caracteres. Las letras sin tilde ocupan un byte; las letras con tilde, dos. El japonés, el chino y otras escrituras ocupan unos tres bytes por carácter, así que el mismo número de caracteres cuesta hasta tres veces más.

¿Qué empresa procesa mi voz? +

Fish Audio. Cada vez que tu voz habla, SoundHalo envía a Fish Audio tu grabación de referencia, sus palabras y el texto que debe leer. Los términos de Fish Audio le permiten usar el contenido enviado para mejorar sus modelos y no fijan una fecha de borrado. No crees una voz si eso no te parece aceptable.

¿Puedo eliminar mi voz? +

Sí, cuando quieras desde tu cuenta. El audio de referencia se borra al momento. La grabación de consentimiento y el registro se guardan unos 30 días como prueba de permiso y después se eliminan solos. Eliminar tu cuenta también elimina la voz. Las copias ya enviadas a Fish Audio siguen sus términos.

¿El audio queda marcado como sintético? +

El archivo lleva un comentario en sus metadatos que dice que es voz sintética con una voz clonada. Los metadatos se pueden borrar con facilidad, así que avisa a tu público cuando escuche una voz clonada si puede importarle, y sigue las reglas de cada plataforma para etiquetar audio con IA.

¿Puedo doblar un video con mi propia voz? +

Sí. La herramienta de voz en off puede usar tu voz personal: dale subtítulos o líneas con tiempos en cualquier idioma disponible. Para doblar una grabación con las voces de las personas que hablan en ella, usa la herramienta de traducir audio y elige las voces originales de los hablantes.