Doblaje de video con IA
Sube un video, revisa la traducción línea por línea y descárgalo doblado a otro idioma, conservando la música y el sonido de fondo originales.
MP4, MOV, WebM y otros videos de hasta 100 MB y 5 minutos.
Muestra de voz
El audio subido y procesado se almacena en SoundHalo. El acceso vence después de 30 días; el vencimiento no confirma la eliminación del archivo. Elimina los archivos aquí antes de salir. Los proveedores de voz tienen sus propias políticas de retención. Política de privacidad.
Ejemplo: de español a inglés
Un clip de 12 segundos con música de fondo, doblado al inglés con la voz Heart. El resultado conservó la música y el sonido de fondo originales: se quitó la voz en español y el doblaje en inglés se colocó sobre lo que quedó. Todas las líneas cupieron sin acelerar. No se editó nada.
| Tiempo | Original | Línea del doblaje | Revisión |
|---|---|---|---|
0:01.0 → 0:03.7 | Bienvenidos a nuestro taller de cerámica. | Welcome to our pottery workshop. | Cabe |
0:03.7 → 0:06.7 | Hoy vamos a dar forma a una taza sencilla. | Today we'll shape a simple cup. | Cabe |
0:06.7 → 0:11.6 | Primero, centra el barro en el torno con las manos mojadas. | First, center the clay on the wheel with wet hands. | Cabe |
Video original
Video doblado, con la música original
Qué revisas antes de crear la voz
- Cada línea de la traducción aparece junto a la voz original y su tiempo, para leerlas una al lado de la otra.
- Las líneas que parecen demasiado largas para su tiempo, aun aceleradas, se marcan antes de gastar caracteres de voz.
- Puedes editar una línea, traducirla de nuevo o vaciarla para omitirla. La voz solo se crea cuando eliges Crear video doblado.
- Después, la revisión por línea muestra qué líneas caben, cuáles se aceleraron y cuáles siguen pasándose. Mira el video doblado en la página antes de descargarlo.
Cómo suena el video
- Doblaje sobre la música y el sonido originales: se quita la voz original y el doblaje se coloca sobre la música y los efectos que quedan, que bajan unos pocos decibelios mientras habla el doblaje. Tarda alrededor de medio minuto por minuto de video.
- Doblaje sobre el sonido original, más bajo: todo el sonido original, incluida la voz original, baja unos 15 dB mientras habla el doblaje y vuelve entre líneas. Es más rápido, pero la voz original se sigue oyendo débilmente.
- Solo el doblaje: el video conserva solo la voz nueva. La música y los efectos también se quitan.
La separación de voz usa el modelo vocal UVR-MDX-NET 9482 de Ultimate Vocal Remover (UVR), publicado con licencia MIT. Gracias a los desarrolladores de UVR por entrenarlo y compartirlo. Funciona mejor con voz clara sobre música; el ruido de público, el canto y la voz superpuesta a efectos fuertes pueden dejar restos de la voz original.
Doblaje con las voces originales de los hablantes
Con una cuenta gratuita, elige "Voces originales de los hablantes (clonadas)" como voz. La transcripción añade entonces etiquetas de hablante (hasta cuatro personas), y los fragmentos más claros de cada hablante, hasta unos 15 segundos, sirven de referencia para su voz. Antes de generar nada, la revisión muestra qué voces se copiarán y el costo exacto, y confirmas que tienes derecho a doblar a esas personas con sus propias voces. La música o el ruido en esos segundos de referencia se copiaría en la voz, así que cuando los segundos de un hablante tienen sonido de fondo, el modelo de separación de voz lo quita primero y la voz se copia solo de su habla. En nuestras pruebas, las pausas de la voz clonada quedaron entre 10 y 50 dB más silenciosas, con una pequeña pérdida de parecido. Pueden quedar restos donde la música está alta, así que los videos con voz clara siguen funcionando mejor. La voz clonada la procesa Fish Audio y se cobra a su costo real; las reglas completas están en la página de traducir audio.
Sincronizar labios
Cuando el doblaje está hecho, con sesión iniciada puedes elegir Sincronizar labios. Se modifica la boca de quien habla en el video original para que siga la voz del doblaje y después se vuelve a poner el sonido doblado terminado. Los planes de pago incluyen minutos de sincronización labial Standard cada mes (Pro 5, Creator 15, Business 35); más allá de ellos, y para las calidades más nítidas Pro y Studio, se paga con tu saldo prepago. La página muestra los minutos y el saldo que usa antes de confirmar. Lo procesa fal; consulta la página de sincronización labial para ver calidades, precios y las reglas de consentimiento.
Cómo funciona el tiempo
La voz original se transcribe con el tiempo de cada palabra. La transcripción se divide en líneas al final de cada frase, en pausas de un segundo o más y antes de que una línea pase de unos 15 segundos. Cada línea traducida empieza cuando empezaba la línea original y puede usar hasta 2 segundos de la pausa siguiente. Una línea más larga que la original se acelera sin cambiar el tono, hasta 1,25 veces. Más allá, la voz suena apresurada, así que la línea se marca y puedes acortarla.
Límites
- Sin cuenta: videos de hasta 5 minutos y 100 MB, y una prueba de doblaje de hasta 300 caracteres de voz (unos 20 segundos de habla) y 20 líneas. Si el guion es más largo, se doblan las primeras líneas que caben. Los caracteres de voz (1200 al día), las traducciones (5 al día), la transcripción y el procesamiento de video (60 minutos al día) se comparten con tu red y con un presupuesto gratuito común, así que pueden agotarse.
- Cuenta gratuita: videos de hasta 10 minutos y 100 MB, hasta 3000 caracteres de voz (unos 3 minutos de habla) y 200 líneas por doblaje, 20.000 caracteres de voz y 90 minutos de procesamiento de video al día.
- Pro: videos de hasta 10 minutos y 100 MB, hasta 20.000 caracteres de voz y 500 líneas por doblaje, 300.000 caracteres de voz y 1800 minutos de procesamiento de video al día.
- Conservar la música y el sonido de fondo cuenta la duración del video tres veces para el procesamiento de video (quitar la voz y dos mezclas). Las opciones de original más bajo y solo doblaje la cuentan una vez. Los caracteres de voz se comparten con las herramientas de texto a voz, locución y traducir audio. Los límites se restablecen a medianoche UTC.
Voz sintética y uso aceptable
El doblaje lo lee una voz de texto a voz, o una copia clonada de la voz de cada hablante si eliges esa opción. En ambos casos es voz sintética, no la grabación de lo que alguien dijo. Dobla videos que hayas hecho o que tengas derecho a traducir y publicar, como tus tutoriales, cursos o videos de producto. No lo uses para hacer que alguien parezca decir algo que no dijo, para suplantar a una persona ni para spam o fraude. Indica a tu público que el doblaje está generado por IA; algunas plataformas exigen esa etiqueta.
Herramientas relacionadas
Preguntas frecuentes
¿Conserva la música y los efectos de sonido originales? +
Sí, si eliges "Doblaje sobre la música y el sonido originales". Un modelo de separación de voz quita la voz original y conserva la música y el sonido de fondo, y el doblaje se coloca encima. La separación no es perfecta: pueden quedar restos débiles de la voz original, sobre todo donde la voz y la música se superponen. También puedes conservar todo el sonido original más bajo bajo el doblaje, o sustituirlo solo por el doblaje.
¿El doblaje sonará como la persona original? +
Por defecto el doblaje usa una voz sintética de catálogo que eliges, como Heart o Michael para inglés, y cada voz tiene una muestra para escuchar antes. Con la sesión iniciada puedes elegir las voces originales de los hablantes: cada persona del video se clona a partir de unos segundos de su propia voz y dice la traducción. Esa opción se cobra al costo real del proveedor de voz y necesita que confirmes que puedes doblar a esas personas.
¿Sincroniza los labios? +
No por defecto: la imagen no cambia y cada línea del doblaje empieza cuando empezaba la línea original, así que la voz coincide con la escena, pero los labios no coinciden con las palabras nuevas. Con sesión iniciada puedes elegir Sincronizar labios bajo el doblaje terminado. Modifica la boca de quien habla para que coincida con el doblaje, usando los minutos Standard que incluye tu plan o tu saldo prepago; consulta la página de sincronización labial para ver cómo funciona y cuánto cuesta.
¿A qué idiomas puedo doblar? +
A 25 idiomas: inglés (ee. uu.), inglés (reino unido), español, francés, alemán, italiano, portugués (brasil), portugués (portugal), japonés, chino (mandarín), hindi, ruso, turco, polaco, neerlandés, sueco, danés, noruego, finés, rumano, húngaro, checo, indonesio, vietnamita, árabe. El video original puede estar en cualquier idioma que reconozca la transcripción; se detecta automáticamente.
¿Puedo corregir la traducción antes de crear la voz? +
Sí. Tras la transcripción y la traducción ves cada línea junto a la voz original, con su tiempo. Edita cualquier línea, pide una nueva traducción de una línea o vacíala para omitirla. Los caracteres de voz solo se usan cuando eliges Crear video doblado.
¿Qué pasa si la traducción es más larga que el original? +
Cada línea del doblaje empieza en el mismo momento que la línea original. Si la voz dura más, se acelera hasta 1,25 veces sin cambiar el tono. Si aun así no cabe, se reproduce completa y la revisión por línea indica cuánto se pasa, para que la acortes y vuelvas a doblar. Nunca se cortan palabras.
¿Qué archivos obtengo? +
El video doblado en MP4, el doblaje como pista de solo voz (MP3 o WAV) y el guion traducido como archivo de subtítulos SRT con los tiempos originales. Si conservas la música y el sonido de fondo, también obtienes la pista de audio doblada terminada por separado. La imagen se copia tal cual cuando MP4 puede contenerla, así que su calidad no cambia; otros formatos, como VP8 de WebM, se convierten a H.264.
¿Qué archivos de video funcionan? +
MP4, MOV, WebM, MKV y la mayoría de videos con pista de audio, de hasta 100 MB. La página comprueba la duración antes de subirlo.
¿Dónde se procesa mi video? +
El video se sube a SoundHalo. Su voz la transcribe Lemonfox. La transcripción la traduce el modelo DeepSeek a través de OpenRouter, solo con proveedores que no guardan ni entrenan con las solicitudes. Cada línea traducida la lee un proveedor de texto a voz: Lemonfox para sus idiomas y Giggy para los demás, o Fish Audio si eliges las voces originales de los hablantes. Quitar la voz original y mezclar el video se hace en los servidores de procesamiento propios de SoundHalo en Cloudflare, y ninguna otra empresa recibe el video para esos pasos. El video y los archivos generados se guardan en SoundHalo para que puedas descargarlos. El acceso vence a los 30 días y puedes eliminar los archivos desde la página. Si inicias sesión, la transcripción también se guarda en la biblioteca de tu cuenta, donde puedes eliminarla; la traducción no se guarda.
¿Cuáles son los límites? +
Sin cuenta: videos de hasta 5 minutos y 100 MB, y una prueba de doblaje de hasta 300 caracteres de voz (unos 20 segundos de habla) y 20 líneas. Si el guion es más largo, se doblan las primeras líneas que caben. Los caracteres de voz (1200 al día), las traducciones (5 al día), la transcripción y el procesamiento de video (60 minutos al día) se comparten con tu red y con un presupuesto gratuito común, así que pueden agotarse. Cuenta gratuita: videos de hasta 10 minutos y 100 MB, hasta 3000 caracteres de voz (unos 3 minutos de habla) y 200 líneas por doblaje, 20.000 caracteres de voz y 90 minutos de procesamiento de video al día. Pro: videos de hasta 10 minutos y 100 MB, hasta 20.000 caracteres de voz y 500 líneas por doblaje, 300.000 caracteres de voz y 1800 minutos de procesamiento de video al día. Conservar la música y el sonido de fondo cuenta la duración del video tres veces para el procesamiento de video (quitar la voz y dos mezclas). Las opciones de original más bajo y solo doblaje la cuentan una vez. Los caracteres de voz se comparten con las herramientas de texto a voz, locución y traducir audio. Los límites se restablecen a medianoche UTC.