Descubre nuestra nueva colección,
hecha a mano en Bélgica,
en tu casa en 48 horas.
¿Qué es una voz en off con IA?
Una voz en off con IA (o voz sintética, text-to-speech) lee un texto con una voz humana generada por un modelo de inteligencia artificial. Las voces recientes respiran, varían la entonación y marcan las pausas, por lo que en frases sencillas cuesta distinguirlas de una voz grabada.
Hay dos grandes familias:
- Las voces de biblioteca: voces genéricas, listas para usar, que se eligen por idioma, género y tono (pausado, enérgico, cercano).
- Las voces clonadas: un modelo reproduce la voz de una persona real a partir de una muestra grabada. Sirve para que un formador o un directivo «hable» en videos que no tiene tiempo de grabar, siempre que haya dado su consentimiento.
Paso a paso
- Escribir el guion
Redacta frases de 8 a 15 palabras, unas 70 a 80 palabras para 30 segundos, con el gancho en la primera frase.
- Adaptarlo a la voz
Escribe cifras, siglas y nombres propios tal como deben pronunciarse.
- Elegir y probar la voz
Escucha dos o tres voces con tu propio texto y quédate con la que encaje con tu público.
- Generar y ajustar las imágenes
Genera la narración y después coloca tus planos y B-roll sobre las frases.
- Mezclar y subtitular
Baja la música bajo la voz, añade subtítulos sincronizados y comprueba el volumen.
- Indicarlo si hace falta
Si la voz imita a una persona real, consigue su consentimiento e indica el uso de IA al publicar.
| Duración del video | Número de palabras | Uso típico |
|---|---|---|
| 15 segundos | 35 a 40 palabras | Anuncio, teaser |
| 30 segundos | 70 a 80 palabras | Video de producto, truco |
| 60 segundos | 140 a 160 palabras | Tutorial corto, reel explicativo |
| 90 segundos | 210 a 240 palabras | Presentación de un servicio |
| 3 minutos | 420 a 480 palabras | Short largo, tutorial detallado |
Cuándo usar una voz en off con IA y cuándo evitarla
Una voz sintética es buena opción para:
- tutoriales y grabaciones de pantalla, donde importa más la imagen que la persona;
- videos de producto editados con planos de B-roll, sin nadie a cámara;
- versiones en otros idiomas de un video que ya existe;
- correcciones: sustituir una frase mal pronunciada sin volver a grabar la escena;
- contenidos periódicos (trucos, novedades del sector) en los que cuenta el volumen.
Encaja peor en testimonios, en videos donde tu personalidad es el mensaje y en contenidos emotivos. En redes, una voz real algo imperfecta suele inspirar más confianza que una narración demasiado pulida. Un buen equilibrio: tu voz para los videos a cámara, la voz con IA para los formatos explicativos.
Escribir un guion para una voz sintética
La voz con IA lee exactamente lo que escribes. Un texto pensado para leerse en pantalla suena rígido al pronunciarse. Algunas reglas:
- Frases cortas: de 8 a 15 palabras. Una idea por frase.
- Ritmo: una narración suele ir de 130 a 160 palabras por minuto. Calcula unas 70 a 80 palabras para 30 segundos y de 140 a 160 para un minuto.
- Puntuación: la coma crea una pausa breve y el punto una más larga. Los puntos suspensivos y los signos de exclamación cambian la entonación: pruébalos.
- Cifras y siglas: escribe «veinticuatro euros» en lugar de «24 €», y «dos euros con cincuenta» en lugar de «2,50 €». Si la voz lee mal una sigla, sepárala letra a letra («S-E-O»).
- Nombres propios: si una marca se pronuncia mal, escríbela de forma fonética en el guion (el texto de los subtítulos puede mantener la ortografía correcta).
- Gancho: los 2 o 3 primeros segundos, es decir, de 6 a 10 palabras, deben decir al espectador qué va a conseguir.
Ejemplo para un video de producto de 20 segundos (unas 50 palabras): «¿Pierdes las llaves todas las mañanas? Este llavero suena en cuanto lo llamas. La pila dura un año. Cabe en el bolsillo, resiste el agua y se configura en dos minutos. Tienes el enlace en la descripción.»
Elegir la voz adecuada
- El idioma y el acento: una voz de España, de México o de Argentina no genera la misma cercanía. Elige la de tu público.
- El tono: pausado para un tutorial, enérgico para un anuncio, cercano para un negocio local. Escucha la voz con tu propio texto, no solo con la muestra.
- La constancia: mantén la misma voz de un video a otro. Se convierte en una seña para tu audiencia, como una sintonía.
- La velocidad: la mayoría de herramientas permiten acelerarla un poco. Por encima de un 10 a 15 % más rápida de lo normal, la voz pierde naturalidad.
Editar y mezclar la voz en off
- Ajusta la imagen a la voz, no al revés: genera primero la narración y luego coloca los planos sobre las frases.
- Baja la música bajo la voz (ducking): la música debe quedar claramente en segundo plano, unos 15 a 20 dB por debajo de la voz mientras habla, y subir de nuevo en los silencios.
- Añade subtítulos: buena parte de los videos se ven sin sonido. Los subtítulos sincronizados con la voz siguen siendo imprescindibles.
- Deja respirar: 0,3 a 0,5 segundos de silencio entre dos ideas hacen la narración más humana.
- Volumen de salida: busca un nivel regular, sin picos; alrededor de -14 LUFS es un objetivo habitual para video online.
Clonación de voz, transparencia y normas que cumplir
Clonar la voz de una persona sin su consentimiento por escrito está totalmente desaconsejado, aunque sea un compañero o un famoso «en broma». La voz es un dato personal y un atributo de la personalidad.
En la Unión Europea, el artículo 50 del Reglamento europeo de inteligencia artificial (AI Act) se aplica desde el 2 de agosto de 2026: un contenido de audio o video generado o manipulado con IA que se parezca de forma realista a una persona existente (ultrafalsificación o deepfake) debe indicarse como tal. Las plataformas también tienen sus propias normas: YouTube pide declarar al subir el video los contenidos realistas alterados o sintéticos, voz incluida (ayuda oficial de YouTube), y TikTok pide etiquetar los contenidos realistas generados con IA.
En la práctica: una voz de biblioteca que lee el guion de tu tutorial no plantea problemas; una voz clonada que pone en boca de alguien frases realistas necesita la autorización de esa persona y debe señalarse. Si dudas, indica «voz generada con IA» en la descripción.
Crear una voz en off con IA en Orbicut
En Orbicut, la voz en off con IA funciona con créditos: 10 créditos por cada 30 segundos, es decir, 300 créditos de Starter dan para unos 15 minutos de narración. Escribes o pegas el texto, eliges una voz y la narración se coloca en la línea de tiempo con sus subtítulos animados. La música baja automáticamente bajo la voz. Para un video en varios idiomas, combínala con la traducción de los subtítulos. Tienes los detalles de los planes en la página de precios.
Preguntas frecuentes
¿Suena natural una voz en off con IA?
Con frases cortas y bien puntuadas, las voces sintéticas recientes son muy naturales. Los fallos aparecen sobre todo en nombres propios, siglas y frases demasiado largas, y se corrigen en el guion.
¿Cuántas palabras necesita una voz en off de 30 segundos?
Calcula unas 70 a 80 palabras para 30 segundos, con un ritmo de narración de 130 a 160 palabras por minuto.
¿Es legal clonar una voz con IA?
Clonar tu propia voz o la de una persona que ha dado su consentimiento está permitido. En la Unión Europea, el Reglamento de IA obliga desde el 2 de agosto de 2026 a indicar los contenidos que imitan de forma realista a una persona existente.
¿Hay que declarar una voz en off con IA en YouTube?
YouTube pide declarar los contenidos realistas alterados o generados, audio incluido, cuando pueden pasar por reales, por ejemplo una voz clonada que atribuye frases a una persona real. Una narración genérica en un tutorial normalmente no entra en ese caso.
¿Orbicut ofrece clonación de voz?
No por ahora: la clonación de tu propia voz no es una función anunciada. Orbicut ofrece voces sintéticas con IA a 10 créditos por cada 30 s, en todos los planes.