Traducir audio con doblaje IA
Sube una grabación, revisa la traducción línea por línea y descarga una pista de audio doblada a otro idioma, sincronizada con la voz original.
MP3, M4A, WAV y otros audios 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
Una clase de cocina de 19 segundos con música suave de fondo, doblada al inglés con la voz Heart y mezclada sobre el original más bajo. La transcripción se dividió en una línea por frase o pausa. Cada línea dispone de tiempo hasta que empieza la siguiente, y todas cupieron sin acelerar. No se editó nada.
| Tiempo | Original | Línea del doblaje | Revisión |
|---|---|---|---|
0:00.8 → 0:04.7 | Hola y bienvenidos a la lección tres. | Hello and welcome to lesson three. | Cabe |
0:04.7 → 0:09.2 | Hoy vamos a preparar una receta muy sencilla. | Today we'll make a very simple recipe. | Cabe |
0:09.2 → 0:14.2 | Primero, corta dos tomates en trozos pequeños. | First, cut two tomatoes into small pieces. | Cabe |
0:14.2 → 0:19.0 | Después, añade aceite de oliva y una pizca de sal. | Then add olive oil and a pinch of salt. | Cabe |
Grabación original
Doblaje sobre el original más bajo
Qué revisas antes de que se genere la voz
- Cada línea traducida 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 usar caracteres de voz.
- Puedes editar una línea, traducirla de nuevo o vaciarla para omitirla. La voz solo se crea cuando eliges Crear audio doblado.
- Con el doblaje listo, la revisión por línea muestra qué líneas caben, cuáles se aceleraron y cuáles siguen pasándose. Escucha el resultado en la página antes de descargarlo.
Cómo se sincroniza
La voz original se transcribe con el tiempo de cada palabra. La transcripción se divide en líneas al final de cada frase, en las pausas de un segundo o más y antes de que una línea pase de unos 15 segundos. Cada línea traducida empieza en el momento en que empezaba la original y puede usar hasta 2 segundos de la pausa siguiente. Se recorta el silencio de los bordes de cada línea generada y, si una línea dura más 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 para que la acortes.
Del español al inglés el texto suele acortarse; hacia el alemán o el francés suele alargarse. Se pide a la traducción que escriba lenguaje hablado natural y que use frases más cortas cuando una línea quedaría larga, así la mayoría de las líneas caben en su tiempo.
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. Cada línea traducida la dice el clon de su propio hablante, así que una entrevista de dos personas sigue teniendo dos voces.
- Antes de generar nada, la revisión muestra qué voces se copiarán y el costo exacto de la voz clonada.
- Confirmas que tienes derecho a doblar a las personas de la grabación con sus propias voces y que ninguna es menor de 18 años.
- Las personas con menos de dos segundos de voz no se copian; sus líneas usan la voz del primer hablante, y la revisión lo indica.
- La música o el ruido de fondo en esos segundos de referencia se copia en la voz, así que funciona mejor con una grabación limpia. Todavía no se separa la voz de la música.
- La voz clonada la procesa Fish Audio y se cobra a su costo real, 15 USD por millón de bytes de texto: hasta 0,03 USD al día con una cuenta gratuita y 0,30 USD con Pro. Los fragmentos de cada hablante se borran después del doblaje (si eso falla, caducan con la regla de 30 días del audio procesado).
Ejemplo: dos hablantes en inglés (las dos son voces sintéticas de nuestro catálogo, así que aquí no se clona a ninguna persona real), doblados al español con sus propias voces. Cada línea doblada se parecía a su propio hablante entre 0,80 y 0,89, y al otro entre 0,44 y 0,50. La voz clonada costó 0,0051 USD.
Original (inglés)
Doblado con las voces originales (español)
Para usar tu propia voz, consulta clonar voz.
Música de fondo y voz original
Esta herramienta aún no separa la voz de la música ni del sonido de fondo. Tienes dos opciones:
- Solo la voz: una pista con el doblaje, de la misma duración que el original. Úsala en tu editor sobre tu propia música.
- Doblaje sobre el original: toda la grabación original baja unos 15 dB mientras habla el doblaje y vuelve entre líneas. La música se mantiene, pero la voz original se sigue oyendo débilmente debajo.
Límites
- Sin cuenta: grabaciones de hasta 5 minutos 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) y los minutos de transcripción se comparten con tu red y con un presupuesto gratuito común, así que pueden agotarse.
- Cuenta gratuita: grabaciones de hasta 30 minutos, hasta 3000 caracteres de voz (unos 3 minutos de habla) y 200 líneas por doblaje, 20.000 caracteres al día.
- Pro: grabaciones de hasta 30 minutos, hasta 20.000 caracteres de voz (unos 20 minutos de habla) y 500 líneas por doblaje, 300.000 caracteres al día.
- Los caracteres de voz se comparten con las herramientas de texto a voz y locución. Las voces de Giggy cuentan cada línea en bloques completos de 20 caracteres. La mezcla sobre el original cuenta para el límite diario de procesamiento en la nube. Los límites se restablecen a medianoche UTC.
Voz sintética y uso aceptable
El doblaje lo lee una voz de texto a voz. No es la persona original ni la grabación de una persona real. Dobla grabaciones que hayas hecho o que tengas derecho a traducir, como tu pódcast, tu curso o tus notas de voz. 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 audiencia que el doblaje está generado por IA; algunas plataformas exigen esa etiqueta.
Herramientas relacionadas
Preguntas frecuentes
¿El doblaje sonará como mi voz? +
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 de la grabación 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.
¿Quita la música de fondo original? +
No. Separar la voz de la música y del sonido de fondo aún no está disponible. Puedes descargar el doblaje como pista de solo voz, o como mezcla en la que toda la grabación original baja unos 15 dB bajo el doblaje. En la mezcla, la voz original se sigue oyendo débilmente debajo de la nueva.
¿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. La grabación 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 audio 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. Además, se pide a la traducción que use frases más cortas cuando una línea quedaría larga.
¿Qué archivos obtengo? +
El audio doblado en MP3 o WAV (la mezcla sobre el original, la pista de solo voz o ambas) y el guion traducido como archivo de subtítulos SRT con los tiempos originales.
¿Puedo doblar un vídeo? +
Esta herramienta acepta archivos de audio. Para doblar un vídeo, usa la herramienta de doblaje de video en /es/doblaje-de-video/. Funciona igual, devuelve un MP4 y puede conservar la música y el sonido de fondo originales.
¿Dónde se procesa mi grabación? +
La grabación se sube a SoundHalo y 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. La grabación y el audio generado 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: grabaciones de hasta 5 minutos 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) y los minutos de transcripción se comparten con tu red y con un presupuesto gratuito común, así que pueden agotarse. Cuenta gratuita: grabaciones de hasta 30 minutos, hasta 3000 caracteres de voz (unos 3 minutos de habla) y 200 líneas por doblaje, 20.000 caracteres al día. Pro: grabaciones de hasta 30 minutos, hasta 20.000 caracteres de voz (unos 20 minutos de habla) y 500 líneas por doblaje, 300.000 caracteres al día. Los caracteres de voz se comparten con las herramientas de texto a voz y locución. Las voces de Giggy cuentan cada línea en bloques completos de 20 caracteres. La mezcla sobre el original cuenta para el límite diario de procesamiento en la nube. Los límites se restablecen a medianoche UTC.