Voz en off con IA desde un guion con tiempos

Pega subtítulos SRT o líneas con tiempo, elige una voz y obtén una locución donde cada línea empieza en su marca de tiempo. Añade tu vídeo para recibirlo mezclado.

Also in English

Procesamiento en la nube

Pega subtítulos SRT o WebVTT, o una frase por línea que empiece con su tiempo, como 0:05 Bienvenidos.

Muestra de voz

0:00--:--

La voz es sintética (generada por IA). Usa solo texto que tengas derecho a publicar y no presentes la voz como una persona real ni la uses para engañar.

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.

Un guion de ejemplo y su resultado

Este SRT da a cada línea un tiempo de inicio y de fin. El fin marca cuánto puede durar la línea.

1
00:00:00,500 --> 00:00:03,500
Bienvenidos al recorrido por SoundHalo.

2
00:00:04,000 --> 00:00:07,400
Sube una grabación y la revisamos antes de nada.

3
00:00:07,800 --> 00:00:09,000
Después descarga el resultado.

Este es el informe real de ese guion con la voz Elena. La tercera línea no cabía ni a 1,25x, así que se marcó en lugar de cortarse:

0:00.5  Bienvenidos al recorrido por SoundHalo.
        Acelerada 1.05x
0:04.0  Sube una grabación y la revisamos antes de nada.
        Acelerada 1.11x
0:07.8  Después descarga el resultado.
        Se pasa 0.7 s de su espacio. Acorta esta línea.

Qué se revisa antes de descargar

  • El guion se revisa mientras escribes: líneas de tiempo rotas, tiempos desordenados y líneas vacías aparecen con su número, y las líneas que parecen demasiado largas se marcan antes de gastar tu límite.
  • Al generar, cada línea indica si cupo, cuánto se aceleró o cuántos segundos se pasa todavía.
  • Escucha la locución y el archivo mezclado en la página antes de descargarlos.

Cómo se ajustan las líneas

Cada línea empieza justo en su marca de tiempo. Primero se recorta el silencio al principio y al final de cada línea generada. Si la voz sigue siendo más larga que su espacio, se acelera sin cambiar el tono, hasta 1,25x. Más allá suena apresurada, así que la línea se queda a 1,25x y se marca. Una línea marcada sigue sonando después de su espacio y puede solaparse con la siguiente; por eso el informe pide acortarla.

Mezcla con tu vídeo o audio

  • Bajar el original: la música y el fondo bajan unos 15 dB mientras habla la voz (16 dB en nuestra prueba con música de fondo) y vuelven entre líneas.
  • Sustituir el original: el archivo queda con la locución como único sonido. Útil si el audio original es una pista guía.
  • Los vídeos conservan la imagen y se entregan en MP4. La mayoría no se recodifica; algunos formatos, como ciertos WebM, se convierten a H.264.

Límites

  • Sin cuenta: una prueba corta de hasta 300 caracteres y 20 líneas, con 1200 caracteres al día compartidos con tu red y limitados por un presupuesto gratuito común.
  • Cuenta gratuita: hasta 3000 caracteres y 200 líneas por locución, 20.000 caracteres al día.
  • Pro: hasta 20.000 caracteres y 500 líneas por locución, 300.000 caracteres al día.
  • Una locución puede durar hasta 30 minutos sin Pro y hasta 4 horas con Pro. Los caracteres se cuentan en todas las líneas y se comparten con la herramienta de texto a voz; las voces de Giggy cuentan cada línea en bloques completos de 20 caracteres, porque así se factura cada solicitud. Los vídeos y audios para mezclar tienen un límite de 100 MB, y la mezcla cuenta para el límite diario de procesamiento en la nube.

Voz sintética y uso aceptable

Las voces las generan modelos de texto a voz. No son grabaciones de las personas que sugieren sus nombres. Usa el audio para narraciones, tutoriales, demostraciones, accesibilidad y borradores. No lo uses para imitar a una persona real, para hacer que alguien parezca decir algo que no dijo, ni para spam o fraude. Algunas plataformas exigen etiquetar el audio generado por IA.

Herramientas relacionadas

Preguntas frecuentes

¿Qué pasa si una línea no cabe en su tiempo? +

La línea se acelera hasta 1,25 veces la velocidad normal, que todavía suena natural. Si aun así no cabe, se reproduce completa y se marca con los segundos que se pasa, para que acortes el texto y vuelvas a generar. Nunca se cortan palabras.

¿Puedo añadir la locución a mi vídeo? +

Sí. Añade el vídeo (o un audio) en el campo opcional. Recibes la pista de voz y un archivo mezclado. Elige si el sonido original se baja bajo la voz o se sustituye. El vídeo conserva la imagen y se entrega en MP4.

¿Qué formatos de guion acepta? +

Subtítulos SRT y WebVTT, o texto con una frase por línea que empiece con su tiempo, como 0:05 Bienvenidos. Cada línea dura hasta que empieza la siguiente.

¿La voz es real? +

No. El audio es sintético, creado por un modelo de texto a voz. No lo uses para imitar a una persona real ni para engañar, y etiquétalo como generado por IA cuando tu plataforma lo pida.

¿Dónde se procesa mi guion? +

Cada línea se envía a un proveedor de texto a voz: Lemonfox para sus idiomas y Giggy para los demás. El audio generado y el vídeo que añadas se guardan en SoundHalo para que puedas descargarlos. El acceso vence a los 30 días y puedes eliminar los archivos desde la página.

¿Cuáles son los límites? +

Sin cuenta: una prueba corta de hasta 300 caracteres y 20 líneas, con 1200 caracteres al día compartidos con tu red y limitados por un presupuesto gratuito común. Cuenta gratuita: hasta 3000 caracteres y 200 líneas por locución, 20.000 caracteres al día. Pro: hasta 20.000 caracteres y 500 líneas por locución, 300.000 caracteres al día. Una locución puede durar hasta 30 minutos sin Pro y hasta 4 horas con Pro. Los caracteres se cuentan en todas las líneas y se comparten con la herramienta de texto a voz; las voces de Giggy cuentan cada línea en bloques completos de 20 caracteres, porque así se factura cada solicitud. Los vídeos y audios para mezclar tienen un límite de 100 MB, y la mezcla cuenta para el límite diario de procesamiento en la nube.