Locución con IA o locución humana: la que tu vídeo necesita de verdad
Elegir entre locución con IA o locución humana depende menos de cómo suena la voz que de cada cuánto cambiarán las palabras: una voz de IA se vuelve a grabar en minutos cada vez que editas una frase o añades un idioma, mientras que un locutor te da una interpretación difícil de igualar, pero cada cambio es una nueva sesión. Usa la locución con inteligencia artificial para vídeos de producto, explicativos y de onboarding que actualizas o traduces; contrata a una persona cuando la voz es la marca o el texto necesita interpretación.
Esta guía es para quien aprueba una serie de vídeos, por ejemplo la responsable de admisiones de un colegio privado o quien lleva el marketing de un producto que cambia cada mes. Todos los vídeos de PageToVid se narran con IA, así que también te decimos claramente dónde una persona lo hace mejor. Cómo funciona la síntesis de voz está en texto a voz (TTS); esta página trata de la decisión.
Top Académie, un colegio de primaria bilingüe en la Provenza: un vídeo 16:9 de 70 segundos hecho con top-academie.com, 136 palabras leídas por una sola voz de IA en francés, de «Et si l'école de votre enfant ressemblait à ça ?» a las admisiones.
La pregunta real: ¿cada cuánto cambiarán las palabras?
La mayoría de las comparativas ponen las dos voces sobre una misma grabación y preguntan cuál suena mejor. Para un vídeo de empresa es la prueba equivocada, porque la primera grabación es el momento más barato de su vida. Los caros llegan después: cambia el precio, se renombra una función, el equipo legal quiere reformular una frase, ventas pide una versión en inglés.
Con una voz de IA, cada uno de esos momentos es una edición y un nuevo renderizado. En PageToVid toda la narración es una sola toma continua que se vuelve a grabar con el vídeo: la frase nueva tiene la misma voz, el mismo nivel, y los subtítulos se cortan sobre el audio nuevo. Con un locutor, cada cambio es una sesión de retomas, y una frase grabada semanas después en otro estudio rara vez encaja con el original.
| Cambio | Locución con IA (PageToVid) | Locutor profesional |
|---|---|---|
Reformular una frase | Editar el texto y renderizar: un renderizado | Reservar una retoma; no se garantiza que encaje |
Añadir un idioma | Una traducción: nueva locución y nuevos subtítulos | Buscar y reservar un locutor nativo por idioma |
Acortar diez segundos | Quitar palabras; el vídeo se ajusta a la nueva toma | Reeditar el audio o volver a grabar |
Corregir un nombre mal pronunciado | Añadirlo al léxico de pronunciación | Volver a grabar la frase |
Cambiar el tono | Elegir otra voz u otro registro por escena | Volver a dirigir la sesión |
Si tu vídeo se grabará una vez y no se tocará nunca, la columna de la derecha te cuesta poco. Si es un vídeo de producto o de onboarding, se tocará.
Ejemplo real: el vídeo de un colegio con una sola voz en francés
Top Académie es un colegio de primaria bilingüe con dos campus en la Provenza: por la mañana, clases, con matemáticas y ciencias en inglés; por la tarde, deporte en el club. Hicimos su vídeo de 70 segundos a partir de la web del colegio, en 16:9, con 136 palabras leídas por una sola voz de IA en francés.
La narración empieza con una pregunta a las familias, «Et si l'école de votre enfant ressemblait à ça ?», plantea la promesa («Le matin, l'excellence académique… L'après-midi est dédié au sport en club») y repasa lo que dice la propia web: sin deberes en casa, bloques de 25 minutos, cinco horas de clase en inglés a la semana, grupos reducidos. Cierra con la búsqueda de profesores y las admisiones.
Tres puntos muestran dónde la narración con IA se gana su sitio:
- Cifras y nombres. «Vingt-cinq minutes», «cinq heures», «Top Académie»: una voz sintética los lee igual cada vez, y una entrada del léxico corrige una palabra mal dicha en todo el vídeo.
- La duración es el guion. 136 palabras dan 70 segundos porque la voz es una sola toma que las escenas se reparten; para quitar diez segundos, quitas unas veinte palabras. Consulta la narración marca la duración.
- El segundo idioma. Un colegio que enseña en dos idiomas querrá el vídeo también en inglés. Es un pedido de traducción: narración traducida, nueva locución, nuevos subtítulos. Con locutores, es un segundo casting.
Lo que aportaría una persona es una calidez que las familias oyen como humana, algo que importa en un colegio. Si haces un vídeo así, pon el registro en «cálido» y no en «entusiasta» en las escenas sobre los niños; es un ajuste por escena.
Dirigir una voz de IA: cinco ajustes
Una voz de IA no es lo que hay y punto. El editor te deja cambiar el texto, la voz y la música; los ajustes más finos de abajo están en la API y las herramientas MCP, que es como la mayoría de los equipos guioniza una serie.
Elige la voz por carácter
Cada voz predefinida tiene un carácter descrito (firme, luminosa, cálida, animada, tranquila) y un tono medido, y todas hablan el idioma del guion. Elige según la sensación que debe dejar el vídeo y mantenla en toda la serie.
Ajusta el registro por escena
Cada escena puede tener su registro (cálido, entusiasta, serio, tranquilo) y una velocidad entre 0,8 y 1,2 veces la normal. Úsalo para el contraste: serio en el problema, cálido en el resultado. Cambia una o dos escenas, no todas.
Enséñale tus palabras
Un léxico de pronunciación le dice a la voz cómo decir un nombre de marca, una sigla o un lugar, mientras los subtítulos mantienen la forma escrita. Una entrada corrige la palabra en todo el vídeo.
Coloca las pausas
Un marcador de pausa en el guion, por ejemplo medio segundo después de una cifra clave, se inserta como silencio real, y los subtítulos siguen pegados a las palabras.
Revisa con subtítulos
Míralo una vez leyendo los subtítulos y otra con los ojos cerrados. La primera pasada pilla las palabras equivocadas; la segunda, el ritmo. Reajustar solo los subtítulos es gratis una vez por renderizado de pago.
La mayor parte de la calidad sigue saliendo del guion. Las reglas para escribir para el oído están en texto a voz (TTS); corregir una escena sin rehacer el vídeo, en arreglar un vídeo sin rehacerlo.
Cuándo una voz humana sigue siendo mejor
- La voz es la marca. Si tus clientes conocen la voz de tu fundador o una campaña gira en torno a un narrador reconocible, ninguna voz predefinida la sustituye.
- El texto pide interpretación. Diálogos, personajes, ritmo cómico, emoción intensa, una historia larga: un buen locutor toma decisiones que una voz sintética no toma.
- La escucha larga. A lo largo de muchos minutos, las pequeñas regularidades de una voz sintética se notan. Un curso de una hora o un audiolibro merecen una persona.
- El anuncio de emisión. Una cuña de radio o un spot de televisión se graba una vez, se emite muchas y se juzga por la interpretación; el argumento del coste del cambio apenas cuenta.
Lo que tienen en común: la grabación es el producto y no va a cambiar. En ese caso, el precio de una sesión es el precio correcto.
El modelo mixto que recomendamos si dudas
Si no lo tienes claro, haz las dos cosas, en orden. Haz primero la versión con IA y úsala para cerrar el guion: las palabras, el orden, la duración, las escenas. Quien decide revisa un vídeo real en lugar de un documento. Itera ahí, donde cada cambio cuesta un renderizado (40 créditos, sea cual sea la duración; mira los precios).
Cuando el guion es definitivo y el vídeo no se va a tocar en un año, contrata a un locutor para grabar sobre esa imagen. La versión con IA le da los tiempos exactos y el archivo de subtítulos cada frase, lo que acorta la sesión. PageToVid no admite una narración humana subida, así que la mezcla final se hace en tu propio editor.
Para los vídeos que traduces, quédate con la voz de IA: el caso de uso de traducción de vídeos vuelve a locutar cada idioma desde el mismo guion gráfico, y localizar vídeos a varios idiomas lo explica paso a paso.
Cuándo no usar la voz de IA de PageToVid
Si necesitas tu propia voz o la de una persona concreta, PageToVid no lo hará: usamos voces predefinidas, no clonamos voces ni admitimos una narración subida. Fliki anuncia clonación de voz (frente a Fliki); para un mensaje personal, grábate con Loom. Si el texto es una ficción, un anuncio que vive de la interpretación o un curso largo, contrata a un locutor a través de una agencia o una plataforma de casting. Y si un regulador o un cliente exige un portavoz humano con nombre, una voz de IA no es opción por buena que suene.
Convierte tu sitio web en un vídeo — gratis
Pega la página que quieres filmar. PageToVid escribe el guion, graba el sitio real, pone la voz y entrega el MP4.
Preguntas frecuentes
¿Es suficiente una locución con IA para vídeos de marketing?
Para vídeos de producto, explicativos, de onboarding y para redes, sí: las voces neuronales actuales leen textos cortos con claridad y regularidad, y se pueden dirigir por escena. Para una campaña de marca basada en una voz reconocible o en una interpretación, contrata a una persona.
¿Es más barata la locución con IA que un locutor?
Normalmente sí, y la diferencia crece con cada cambio. En PageToVid la voz va incluida en cada renderizado, así que reformular una frase o añadir un idioma cuesta un renderizado y no una nueva sesión de grabación.
¿Puedo corregir cómo pronuncia un nombre la voz de IA?
Sí. Un léxico de pronunciación le dice a la voz cómo decir un nombre de marca, una sigla o un lugar, y los subtítulos mantienen la forma escrita. Una entrada vale para todo el vídeo.
¿Puedo usar mi propia locución grabada en PageToVid?
Hoy no. PageToVid narra con voces de IA predefinidas y no clona voces. Si necesitas una narración humana, haz primero el vídeo para cerrar guion y tiempos, y luego mezcla la voz grabada en tu propio editor.