Elige cualquier voz y tu vídeo dura lo que pediste

Un vídeo de PageToVid es una pista de voz con las imágenes montadas encima. Cada escena se estira para ocupar su parte de la narración, así que, una vez escrito el guion, la duración está decidida. Con demasiadas palabras el vídeo se alarga; con pocas termina antes de tiempo, y ningún paso posterior puede cambiarlo.

Por eso nuestro planificador nunca piensa primero en escenas. Recibe un presupuesto de palabras: cuántas caben en el tiempo que pediste, descontando las tarjetas de apertura y cierre. Todo lo demás sale de ese número.

Hasta hoy, ese presupuesto salía de un único ritmo de lectura: una velocidad base medida en cientos de renders reales, ajustada según el tono, porque un anuncio enérgico se lee más rápido que un tutorial tranquilo. De media, acertaba.

Pero nadie ve un vídeo medio. Las voces de nuestro catálogo no leen a la misma velocidad. Unas son ágiles, otras se toman su tiempo, y una voz de un proveedor de síntesis no respira como la de otro. Con un solo ritmo para todas:

• una voz rápida terminaba antes y dejaba las imágenes quietas;
• una voz lenta se pasaba de la duración que pediste;
• elegir la voz, que debería ser cuestión de gusto, cambiaba en silencio la duración del vídeo.

Nos dimos cuenta de que ya teníamos la respuesta. Cada vídeo se mide a sí mismo al ponerle voz: cuántas palabras, cuántos segundos. Desde hoy, cada medida recuerda también qué voz leyó el texto. Nuestro propio historial se convierte en un banco de calibración.

Un pequeño módulo lee ahora los vídeos terminados de los últimos cuatro meses y aprende un factor por voz: cuánto más rápido o más despacio lee que lo que predice nuestra tabla. El factor es relativo al conjunto de voces, así que el ritmo general que ya habíamos ajustado se queda exactamente donde estaba; solo se aprenden las diferencias entre voces.

Unos pocos vídeos raros nunca deben desplazar el ritmo de una voz, así que el aprendizaje es prudente a propósito.

• Una voz con un puñado de vídeos apenas se mueve del valor por defecto; cuantos más vídeos ha leído, más se gana su propio ritmo.
• Ningún factor puede moverse más de un 15 % en ningún sentido, y una voz con menos de tres vídeos se queda con el valor por defecto.
• Los guiones muy cortos quedan fuera, igual que las tomas de un servicio de voz de respaldo, porque ninguno muestra el ritmo real de la voz.

La consulta a la base de datos es mínima, solo el registro de duración de cada vídeo, así que es lo bastante barata para hacerse al inicio de cada render en vez de una vez por noche. Si el historial no se puede leer, el factor vale simplemente 1: el comportamiento de ayer.

Un factor solo sirve si todos los pasos que piensan en la duración usan el mismo. Por eso el ritmo viaja ahora con la voz por todo el proceso: el presupuesto de palabras del planificador, la revisión del storyboard que vuelve a contar palabras, el control que relee una toma antes de aceptarla, la duración de los guiones que escribes tú y los ajustes que ve un asistente de IA cuando edita una escena.

El resultado es discreto por diseño. Nunca ves un factor. Ves un vídeo de 30 segundos que dura unos 30 segundos, elijas la voz que elijas. Puedes escuchar las voces en la página de funciones.

Esto no sustituye el resto de nuestro trabajo sobre la duración. Tras grabar, la voz se sigue cronometrando frente a lo que pediste, y un guion que sale largo se sigue reescribiendo. Lo que cambia es el primer borrador: ahora cae más cerca del objetivo, esas reparaciones hacen falta menos veces y tu vídeo llega antes.

También devuelve a la elección de voz lo que debería ser: una cuestión de carácter. Elige la voz que suena a tu marca y deja que el vídeo se ocupe del reloj.