Voice Kit: locuciones con tu propia voz o una voz predeterminada

Voice Kit lee con un servicio de voz. Mientras ese servicio está desactivado, una nota amarilla en la parte superior de la página lo indica, y cada lectura usa un sonido de muestra: tonos suaves con el ritmo del habla, uno por grupo de sílabas, con pausas reales en las comas, los puntos y las marcas [pause]. Te permite probar cada paso y revisar el tiempo y la duración de un guion, pero no es una voz. Donde aparezca se etiqueta como Sonido de muestra, las voces predeterminadas se llaman Warm (muestra) y Clear (muestra), y la descarga en MP3 está desactivada (la muestra se descarga en WAV).

Para empezar una locución (izquierda): elige el Idioma y luego decide de dónde vienen las palabras con las cuatro pestañas. Escribe o pega: un cuadro para todo el guion (cada párrafo se convierte en una línea; el botón del micrófono escribe lo que dices), y luego Empezar con este guion, o Empezar en blanco, la IA escribe para abrir un guion vacío y pedir a la IA uno. Un archivo: Word (.docx), PDF, texto, Markdown o HTML de hasta 8 MB. Una página web: escribe una dirección y pulsa Importar; entran las palabras legibles de la página. Writing Pack: una lista de tus borradores de Writing Pack; haz clic en uno para importar sus palabras. Las fuentes muy largas se importan hasta 6.000 caracteres, y una nota lo indica.

Tus locuciones muestra cada guion que hayas creado con su número de palabras, duración aproximada, idioma y fecha; haz clic en uno para abrirlo (cada uno tiene su propia dirección, para que puedas guardarla en marcadores o compartir el enlace contigo mismo). Aparece un cuadro de búsqueda cuando tienes más de cuatro.

Voces (derecha) muestra tus propias voces y las voces predeterminadas. Elige quién lee un guion una vez que esté abierto.

El nombre de arriba es el nombre de la locución: haz clic para cambiarlo. Guardado / Guardando… junto a él indica que cada cambio se guarda solo poco después de dejar de escribir.

Idioma define el idioma en que se escribe y se lee el guion (inglés, español, francés, alemán, portugués, italiano, neerlandés, polaco, japonés, chino, coreano, hindi). Duración es el objetivo: 15, 30, 60 o 90 segundos (pulsa de nuevo para borrar), o escribe cualquier duración de 5 a 600 segundos en el cuadro Otro. A la derecha, la estimación (≈ segundos y palabras, a unas 150 palabras por minuto más las pausas) y, con un objetivo elegido, En el objetivo o cuántos segundos de más o de menos.

Tu guion muestra toda la pieza en un solo cuadro, tal como se leerá, con una línea en blanco entre párrafos. Escribe en él, pega texto o usa el botón del micrófono. Cada párrafo es una parte: cuando cambias un párrafo después de una lectura, solo se vuelve a leer esa parte, y una nota bajo el cuadro indica cuántas partes cambiaron.

Parte por parte (el interruptor sobre el guion) muestra cada párrafo por separado. Bajo sus palabras: Emoción (Natural, Feliz, Entusiasmado, Seguro, Cálido, Tranquilo, Serio, Curioso, Sorprendido, Triste), Ritmo (Más lento, Normal, Más rápido) y Voz (Voz principal, o cualquiera de tus voces o voces predeterminadas, así un guion puede tener dos o más hablantes, como un anfitrión y un invitado), además de Corregir una palabra. Luego su duración y un botón de reproducir una vez leída, Volver a leer esta parte, 3 versiones y un bote de basura. Cambiar la emoción, el ritmo o la voz de una parte la marca para volver a leerla. Las emociones se leen como emociones reales con el motor Cartesia y como una entrega más o menos expresiva con ElevenLabs.

3 versiones lee la parte dos veces más con una entrega ligeramente distinta; las tres aparecen como Versión 1, Versión 2, Versión 3, cada una con un botón de reproducir, y Conservar hace que esa versión sea la usada en toda la lectura (Conservada lo indica). 3 versiones nuevas reemplaza las versiones 2 y 3. Guion completo vuelve atrás. Añadir palabras desde… (las mismas cuatro fuentes) agrega palabras al final, y Eliminar (pide confirmación primero) borra la locución y sus lecturas.

Corrige cómo se dice una palabra: resalta una palabra o nombre en Guion completo y pulsa Corregir cómo se dice (o pulsa Corregir una palabra en una parte en Parte por parte y escribe la palabra). El panel muestra la palabra con Escuchar ahora (lee la oración en la que aparece, con la voz elegida en Quién lee). Bajo ¿Qué está mal?, elige cualquiera de Lo dice mal, Sílaba incorrecta acentuada, Lo deletrea letra por letra, Demasiado rápido o farfullado, Suena como otra palabra, y también explícalo con tus palabras (escrito o con el micrófono), luego pulsa Buscar correcciones. La IA sugiere tres o cuatro escrituras que la voz dirá bien (como in-FIN-ih-tee, o Win para Nguyen), cada una con su motivo; pulsa Escuchar en cualquiera para oírla en la oración antes de conservarla. Usar en todas partes la guarda en tu lista de Pronunciación y vuelve a leer cada parte que use la palabra; Solo en este guion escribe la nueva escritura solo en este guion. O escribe tu propia escritura en O escribe cómo debe sonar y pulsa Escuchar. Buscar otras correcciones vuelve a preguntar.

Lista de pronunciación (debajo del guion): cada palabra que guardaste y cómo se dice, en cada lectura de tu cuenta y en cada locución. Cada una tiene Escuchar y un icono de papelera, y Añadir te permite escribir una palabra y cómo decirla a mano. El guion escrito nunca cambia: la lista se aplica mientras se leen las palabras.

Escribe [pause] o [pause 1.5s] para una pausa. Si un nombre o una palabra sale mal, escríbelo como suena y vuelve a leer solo esa línea.

El redactor de IA (el recuadro morado) es un solo cuadro para escribir y cambiar. En un guion nuevo, escribe o di lo que debe decir (el nombre de tu negocio, la oferta, un número de teléfono o una web, cualquier cosa que deba aparecer), o déjalo en blanco, elige Para (Video o reel para redes sociales, Anuncio o cuña de radio, Saludo telefónico o en espera, Explicación de producto o servicio, Evento, venta o anuncio, o Otra cosa) y un tono (Amigable, Profesional, Enérgico, Tranquilo, Divertido) y pulsa Escribir. Escribe según la Duración que hayas elegido (30 segundos si no eliges ninguna), con tu Voz de marca cuando esté marcada la opción Usar mi Voz de marca, en párrafos que suenen naturales.

Cuando ya hay un guion, el mismo cuadro acepta cualquier cambio con tus propias palabras, escritas o dichas en voz alta ("haz el inicio más contundente", "añade nuestro horario del sábado", "tradúcelo al inglés"): pulsa Hacer el cambio (o ⌘/Ctrl+Intro). Mejorar el texto lo hace fluir mejor al leerlo en voz alta y lo acorta, manteniendo cada dato, nombre, número y oferta. Escribir una nueva versión crea un guion nuevo a partir de lo que escribiste, con el Para, el tono y la duración elegidos. Los botones de debajo son cambios de un clic, no son el límite: Ajustar a la duración, Hacerlo más amigable, Más fácil de decir, Final más fuerte. Las líneas y datos que no pediste se quedan exactamente igual, y la IA nunca inventa precios ni números de teléfono: escribe un marcador como [tu número de teléfono] y lo muestra en No hecho todavía.

Paquete de redacción: abre Paquete de redacción (en una pestaña nueva) para escribir una pieza más larga con uno de sus redactores y pulsa traer el borrador aquí para añadirlo a este guion.

Después de cada cambio, una nota indica lo que se Hizo y, primero, lo que No se hizo todavía con el motivo, y el guion de abajo se resalta un momento para que veas dónde quedó. Deshacer devuelve el guion a como estaba antes de ese cambio.

Crear tu propia voz abre un panel grande. Arriba, Cómo grabar una voz que suene como tú (abierto por defecto) muestra qué Hacer (un lugar tranquilo y silencioso; a una distancia de la mano del micrófono; tu voz normal para anuncios; incluye preguntas, números y nombres; de 1 a 2 minutos en total, todo en el mismo lugar) y qué No hacer (música, televisión, ventiladores u otras personas; habitaciones con eco o un coche; anuncios o videos con música debajo de tu voz; auriculares Bluetooth o altavoz; susurrar, gritar, hablar deprisa o con una voz plana; silencios largos y toses). Cerrar cierra el panel.

Crear tu propia voz te guía por tres pasos. 1, Tu nombre: tal como lo dirás. 2, Lee esta frase en voz alta: pulsa Grabar la frase, lee la frase en pantalla ("Yo, {tu nombre}, acepto que aiKit cree una voz de IA a partir de mis grabaciones, y solo la usaré para mi propio trabajo.") y pulsa Detener. Mientras graba aparecen un punto rojo, el tiempo y un medidor de nivel. 3, De 1 a 2 minutos hablando tú: Grabar (o Subir una grabación: MP3, M4A, WAV, WebM u OGG), tantas veces como quieras hasta seis grabaciones; una barra se llena hacia los dos minutos, se necesitan al menos 30 segundos y suena mejor un minuto o más. Tres textos para leer aparecen encima de los botones, cada uno en una pestaña: Tu negocio; Una historia; y Números y nombres (lee los tres durante unos dos minutos, o simplemente habla de tu trabajo). Cada grabación aparece con su duración, un reproductor para escucharla (solo las grabaciones hechas en esta visita), una comprobación de calidad medida en tu navegador (Suena limpio, o un consejo como Bajo: acércate más, Demasiado alto en algunos momentos, Ruido de fondo o Mucho silencio) y un icono de papelera. La grabación de consentimiento tiene el mismo reproductor y la misma comprobación.

Crear mi voz ejecuta las comprobaciones y después crea la voz. La frase de consentimiento se convierte en texto y se compara con la frase (tu nombre no se tiene en cuenta, ya que los nombres se escriben de muchas formas); al menos el 70% de sus palabras deben oírse. Una comprobación básica de la misma voz compara el tono y la entonación de la grabación de consentimiento con tus muestras; deben coincidir, así que la frase debe haberla leído la misma persona que hizo las muestras. Es una comprobación básica, no una huella dactilar. El resultado muestra cada comprobación con una marca o una cruz; si alguna falla, la voz no se crea y Corregir las grabaciones te devuelve al paso anterior.

Tus grabaciones y voces son privadas para tu cuenta. La papelera junto a una voz pide confirmación y después la elimina también en el servicio de voz y aquí. Las locuciones ya leídas con ella siguen siendo tuyas. Hasta cinco voces por cuenta. Solo tu propia voz: no se permiten grabaciones de otras personas. La voz de la casa de aiKit: un administrador de aiKit puede ofrecer una de SUS PROPIAS voces terminadas (creada con este mismo proceso de consentimiento) a todas las cuentas con Ofrecer como voz de la casa; aparecerá primero en Voces de catálogo, con la etiqueta voz de la casa de aiKit, y leerá para cualquiera que no tenga voz propia. Solo aparece mientras un motor de voz real esté activado; Voz de la casa ✓ (detener), o eliminar esa voz, deja de ofrecerla. Crear tu propia voz está abierto a los administradores hasta una revisión legal final; las voces de catálogo ya funcionan para todos.

Las recetas de voz (la barra encima del guion) guardan una voz, una emoción, un ritmo y la música con un solo nombre, como Anuncios Northwind o Línea telefónica de la panadería. Pulsa una receta para usarla: se elige la voz, cada parte que no tenga su propia emoción o ritmo recibe los de la receta, y su música se fija debajo del reproductor. Guardar como receta abre un formulario corto: Nombre, Emoción y Ritmo (empiezan con lo que usan la mayoría de tus partes), con la voz de Quién lo lee y la música fijada debajo del reproductor; guardar con un nombre que ya usaste reemplaza esa receta. La papelera elimina una. Hasta 50 recetas.

Las recetas funcionan en todo aiKit: cuando otra herramienta lee con una voz (por ejemplo, la narración de Video Kit), puede usar una receta, y tu lista de Pronunciación también se aplica ahí, para que los nombres se digan igual en todas partes.

Quién lo lee muestra primero tus voces listas y luego las voces estándar (seis al principio; Todas las voces estándar muestra el resto). La voz elegida tiene un borde de color, y se guarda en la dirección de la página. Cada voz tiene un botón Escuchar que reproduce una muestra corta (se crea una vez y se guarda, así que suena al instante la próxima vez); pulsa Detener, o Escuchar de otra voz, para parar.

Escúchalo: el botón grande indica lo que hará: Leer con <voice>, Leer las N líneas cambiadas o Volver a leer todo. Solo se vuelven a leer las líneas nuevas o cambiadas, así que corregir una palabra cuesta una línea. Mientras trabaja, el panel indica cuántas líneas está leyendo; los guiones largos se leen por tandas y el contador se actualiza. Si una línea no se pudo leer, Aún no terminado indica cuántas son y por qué, y al pulsar el botón otra vez solo se leen esas.

Cuando se leen todas las líneas, el reproductor muestra una forma de onda de toda la locución: pulsa el botón redondo para reproducir o pausar, haz clic en la forma de onda (o usa las flechas del teclado sobre ella) para saltar, y la línea que se dice aparece debajo. Las líneas se unen con una breve pausa de silencio entre ellas.

Las palabras debajo del reproductor se iluminan mientras se dicen. Haz clic en una palabra para ir ahí. Selecciona de una a tres palabras y pulsa Corregir cómo se dice (abre el panel de corrección en el guion), o selecciona cualquier palabra y pulsa Indicar cómo decir estas palabras para indicarle a la voz cómo pronunciarlas. Los tiempos de cada palabra se reparten por la longitud de cada parte, así que son aproximados, no exactos.

Dirige la lectura (debajo del reproductor): di cómo debe sonar con tus propias palabras, escritas o habladas, como más energía en 'este fin de semana', ir más despacio con el precio, o suena como si estuvieras sonriendo, y pulsa Dirigirla, o pulsa uno de los atajos (Más energía, Suena como si sonrieras, Más lento en cifras y en el número de teléfono, Más calmado y confiable, Apertura más contundente, Más pausa antes de la llamada a la acción). La IA cambia el tono, el ritmo y, cuando ayuda, algunas palabras solo de las partes a las que se refiere la indicación (la voz no puede recibir marcas de acento en una sola palabra, así que usa lo que una voz sigue: una breve pausa antes de la palabra, una exclamación o una oración más corta), guarda el guion y vuelve a leer solo esas partes. Hecho enumera cada cambio y Aún no está lista indica qué no puede hacer una voz y por qué. Deshacer devuelve esas partes a como estaban y las vuelve a leer.

Revísalo con el entrenador de IA: escucha la lectura (voz a texto) y muestra el tiempo y las palabras por minuto; luego Ritmo (de 150 a 170 palabras por minuto es lo ideal para la mayoría de anuncios), Claridad, Apertura (¿la primera oración atrapa la atención en 3 segundos?) y Nombres y palabras (palabras largas que la revisión auditiva no detectó, a menudo un nombre pronunciado mal). Cada consejo tiene una solución: Corregir cómo se dice para una palabra, o Corregirlo, que pone una indicación en Dirigir la lectura para que la pulses. Revisar de nuevo escucha otra vez tras los cambios. El sonido de muestra no es habla, así que la revisión de palabras solo funciona con voces reales.

Música bajo la voz (debajo del reproductor, una vez leída cada parte): elige un Original de aiKit, ajusta Música (el volumen), pulsa Escuchar con música y Descargar con música (WAV) para la mezcla final. La música empieza un momento antes que la voz, baja mientras habla la voz y se desvanece al final. Subtítulos: archivos .srt y .vtt con los tiempos de la lectura, de unas pocas palabras a la vez, para reels, YouTube y reproductores de video.

Descargas y más: MP3 (voces reales), WAV (cualquier lectura), Guardar en Biblioteca de gráficos (en la carpeta Voice Kit, categoría Locución) y Usar en Motion Maker, que la guarda en tu biblioteca y abre Motion Maker con la voz en la pestaña Música, bajando la música debajo de ella. Debajo, califica la lectura con un pulgar arriba o abajo; un pulgar abajo pregunta qué salió mal y lo envía al equipo de aiKit. La etiqueta Voz de IA / Sonido de muestra en la parte superior del panel indica cuál estás escuchando.

Antes de leer líneas nuevas, una revisión rápida con IA las analiza para detectar suplantación. Presentarte tú y tu propio negocio está bien ("Hola, soy Sam, el dueño de Sam's Bikes"): una persona o empresa poco conocida se considera que eres tú. No se lee: una persona famosa hablando o respaldando en primera persona, una empresa, banco u oficina de gobierno muy conocidos hablando como ellos mismos ("le llama su banco"), o cualquier mensaje que se haga pasar por uno de ellos para pedir pagos o datos personales. El panel indica el motivo. Mencionar o reseñar a personas y empresas reales, anuncios de tu propio negocio y personajes de ficción están permitidos. Cada línea se revisa una vez; si la cambias, se vuelve a revisar.

Voice Kit usa los tokens de tu cuenta al costo real del servicio de voz: la lectura se cobra por carácter (unos 3 a 9 centavos por una lectura de 30 segundos, según el servicio de voz), más el pequeño costo de cada cambio de guion con IA y de cada revisión de seguridad. Leer solo las líneas cambiadas lo mantiene bajo. Si una solicitud superaría lo que queda en tu plan, no se inicia y el mensaje lo indica. Los administradores ven el costo de cada lectura en centavos debajo del reproductor.

Los administradores ven Prueba lado a lado de motores debajo del reproductor. Con ambos servicios de voz activados, Leer en ambos lee el guion abierto con la voz elegida en cada servicio, muestra un reproductor y el costo de cada uno, y Usar este motor hace que esa lectura se use para todas las locuciones a partir de ese momento (tu propia voz se crea en ambos servicios al crearla). Si hay uno o ningún servicio activado, indica cuáles están activados.

Otras herramientas de aiKit piden narración a Voice Kit de la misma forma: se envían las palabras y regresa una locución con el tiempo de inicio y fin de cada línea, para que los subtítulos sigan a la voz. Se lee con tu voz más reciente (o la primera voz estándar), se descuenta de tus tokens y se marca como sonido de muestra siempre que las voces reales estén desactivadas.