Cómo hacer un video con tu propia voz usando IA

Para hacer un video con tu propia voz usando IA, graba alrededor de un minuto de lectura clara en un lugar silencioso, deja que la herramienta cree con ella una voz personalizada y después elige esa voz para narrar tu guion. En Chasca, abres “My voices”, lees un guion corto que aparece en pantalla y tu voz está lista en alrededor de un minuto. A partir de ahí, cualquier video que hagas puede narrarse con tu voz, en el idioma en que la grabaste. Si ya grabaste la narración en sí, puedes saltarte la clonación y dejar que esa grabación narre el video.

¿Qué es una voz personalizada con IA?

Una voz personalizada, a menudo llamada clon de voz, es un modelo de voz creado a partir de una grabación tuya. Lees un fragmento corto, la herramienta aprende tu tono, tu acento y tu ritmo, y desde ese momento puede leer cualquier texto nuevo con una voz que suena como la tuya.

Eso cambia lo que te cuesta un guion. Sin un clon, cada video nuevo, y cada corrección de uno anterior, implica preparar el micrófono y volver a grabar. Con uno, editas las palabras como texto y la narración se actualiza con ellas.

¿Por qué narrar un video con tu propia voz?

Porque la gente conoce tu voz. Los estudiantes de un docente, la audiencia de un creador y los clientes de un fundador ya te han escuchado, y una voz conocida lleva parte de esa confianza al video.

La investigación sobre el aprendizaje solía dar un argumento más fuerte. En 2003, Richard Mayer y sus colegas encontraron que los estudiantes que escuchaban una animación narrada con voz humana obtenían mejores resultados en una prueba de resolución de problemas que los que la escuchaban con una voz de computadora, con un efecto grande. En una revisión posterior de Mayer, este “principio de la voz” se cumplió en 5 de 6 comparaciones experimentales, con una mediana del tamaño del efecto de d = 0.74.

Las voces sintéticas han mejorado desde entonces. Cuando Scotty Craig y Noah Schroeder repitieron la comparación con una voz moderna de texto a voz, los estudiantes la consideraron tan creíble como una voz humana grabada y aprendieron con ella al menos igual de bien, y un estudio posterior encontró que la voz moderna y la voz humana no se diferenciaban de forma estadísticamente significativa en la mayoría de las mediciones.

Así que una buena voz sintética ya no les cuesta nada a quienes ven tus videos. La razón para usar la tuya es la identidad: el video suena como la persona que lo hizo.

¿Cuánto audio necesitas?

Menos de lo que la mayoría espera. Las herramientas de clonación instantánea suelen pedir desde unos segundos hasta unos minutos de voz limpia. Existen clones con calidad de estudio, entrenados durante horas con una misma voz, pero son otro producto, con otro precio.

Lo que más importa es que la muestra esté limpia:

• Una sola persona hablando. Sin entrevistador, sin copresentador, sin público.
• Sin música ni ruido de fondo. Un ventilador, un refrigerador o una calle con mucho tráfico terminan en el clon.
• Tu ritmo natural. Lee como cuando explicas algo, no como si leyeras un aviso legal.

En Chasca, la grabadora pide un minuto, necesita al menos 20 segundos y se detiene sola al llegar a un minuto. Un minuto completo de lectura clara es lo que da la voz más parecida a la tuya.

¿Cómo se graba una buena muestra de voz?

No necesitas un estudio. Un lugar silencioso y algunos hábitos te llevan casi todo el camino:

1. Elige un cuarto pequeño con muebles y telas suaves. Las cortinas, una alfombra y un sofá absorben el eco. Las paredes desnudas y un piso de baldosas lo devuelven al micrófono.
2. Usa el mejor micrófono que tengas. Un micrófono USB o unos audífonos con micrófono superan al micrófono integrado de una computadora portátil. Incluso los audífonos con micrófono de un teléfono suelen sonar mejor que la computadora.
3. Mantén la misma distancia. Más o menos a una mano de distancia del micrófono, y no te gires mientras lees.
4. Haz una toma de prueba. Escúchala con audífonos antes de grabar la definitiva. Si se oye el cuarto, cámbiate de lugar.
5. Lee como cuando explicas. Sonríe un poco, mantén la energía y deja que las frases terminen con naturalidad. El clon copia tu forma de hablar junto con tu voz.

¿Cómo haces un video con tu propia voz en Chasca?

1. Abre “My voices” en la app y elige “Add a voice”.
2. Elige el idioma que hablará esta voz.
3. Lee el guion que aparece en pantalla. Empieza con una frase corta que dice que la voz es tuya, así tu consentimiento queda en la propia grabación. La grabadora se detiene al llegar a un minuto.
4. Escucha la toma, vuelve a grabar si quieres y envíala. Tu voz está lista en alrededor de un minuto, con una muestra de un minuto para revisarla.
5. Haz un video. Escribe un tema o sube un documento, y elige tu voz en las opciones de narración, sobre los narradores. Chasca escribe el guion, dibuja cada escena y la narra con tu voz.

Todos los planes incluyen voces personalizadas sin costo adicional: Free y Solo incluyen una; Plus, 3; Pro, 5; Max, 10, y Team y Enterprise, 30. La página de voces personalizadas tiene los detalles.

¿Tu voz puede hablar otros idiomas?

En Chasca, no: cada voz personalizada habla el idioma en que se grabó, así que un video narrado con ella está en ese idioma. Si enseñas o vendes en dos idiomas, graba una voz en cada uno. Algunas herramientas pueden hacer que una voz clonada hable idiomas que tú no hablas, pero el acento y la pronunciación son difíciles de revisar si no hablas el idioma.

Si necesitas una clase en muchos idiomas, cada uno de los 30 narradores de Chasca habla los 79 idiomas con la misma voz, así que un curso puede conservar un solo narrador del inglés al árabe.

¿Qué normas hay sobre la clonación de voz?

La versión corta: tu propia voz es tuya y puedes usarla, y la voz de cualquier otra persona necesita su permiso.

• Consentimiento. La ley ELVIS de Tennessee, firmada en marzo de 2024, añadió la voz de una persona, incluida una simulación de ella, a los derechos que protege el estado, y alcanza tanto a quienes publican una voz sin autorización como a las herramientas creadas para producirla. Otros lugares tienen sus propias leyes sobre la imagen y la privacidad.
• Transparencia en la UE. El artículo 50 de la Ley de IA de la UE, que se aplica desde el 2 de agosto de 2026, exige a los proveedores de sistemas de IA que generan audio sintético que lo marquen de forma legible por máquina, y a quienes publican audio generado con IA que aparenta falsamente ser de una persona real, que lo indiquen.
• Fraude. La Comisión Federal de Comercio de EE. UU. (FTC) organizó en 2024 un Voice Cloning Challenge porque las voces clonadas se usan en estafas. Nunca uses una voz para hacerte pasar por otra persona.

Para tus propios videos explicativos, una línea en la descripción como “narrado con una voz de IA creada a partir de la mía” mantiene informado a tu público y no cuesta nada.

¿Cuándo es mejor grabar la narración?

Una voz personalizada es ideal para los guiones que vas a escribir y editar como texto: clases, explicaciones de producto, novedades. Cuando ya grabaste algo que vale la pena conservar palabra por palabra, como una conferencia, una charla o una voz en off profesional, usa la propia grabación.

En Chasca, adjunta la grabación en la página Create y activa “Use as the narration”. El video conserva cada palabra tal como la dijiste, y la pizarra se dibuja al ritmo de tu voz, hasta 1 minuto en el plan Free y 30 minutos en los planes de pago. Nuestra guía para convertir una grabación de audio en video explica ese camino.

Lista de verificación para tu muestra de voz

• Un lugar silencioso, con telas y muebles que absorban el eco.
• El mejor micrófono que tengas, a una distancia constante.
• Una sola persona hablando, sin música.
• Alrededor de un minuto de lectura a tu ritmo natural.
• Una toma de prueba, revisada con audífonos.
• Solo tu propia voz, o una voz que tengas permiso para usar.

Fuentes

• Mayer, R. E., Sobko, K. y Mautone, P. D. (2003). Social cues in multimedia learning: Role of speaker’s voice. Journal of Educational Psychology, 95(2), 419–425.
• Mayer, R. E. (2014). Principles based on social cues in multimedia learning: Personalization, voice, image, and embodiment principles. En The Cambridge Handbook of Multimedia Learning (2.ª ed.). Cambridge University Press.
• Craig, S. D. y Schroeder, N. L. (2017). Reconsidering the voice effect when learning from a virtual human. Computers & Education, 114, 193–205.
• Craig, S. D. y Schroeder, N. L. (2019). Text-to-speech software and learning: Investigating the relevancy of the voice effect. Journal of Educational Computing Research, 57(6), 1534–1548.
• Office of the Governor of Tennessee (2024). Gov. Lee signs ELVIS Act into law.
• European Commission. Transparency obligations under Article 50 of the AI Act.
• US Federal Trade Commission (2024). Approaches to address AI-enabled voice cloning.