Cómo conservar la voz del hablante al traducir un vídeo

Hay un momento en que te oyes hablando un idioma que no hablas. Es raro, un poco emocionante y, si está mal hecho, profundamente desagradable. La voz es casi la tuya, pero la persona que describe no eres del todo tú.

Conservar la voz del hablante entre idiomas es, en gran medida, un problema técnicamente resuelto. La diferencia entre un doblaje que se siente bien y uno que no suele reducirse al material de partida que le das y a un puñado de decisiones que tomas después. Esta guía repasa ambas cosas.

Qué significa realmente “conservar la voz”

Cuando la gente dice que quiere que un doblaje “suene como yo”, normalmente pide varias cosas distintas a la vez.

Timbre. El carácter básico de la voz: lo grave o aguda que es, lo cálida, cuánto grano o soplo tiene. Es lo que mejor resuelve la clonación de voz.

Rango de tono y hábitos. Si sueles subir al final de una pregunta, si hablas en un registro plano y estable o oscilas entre agudos y graves.

Ritmo y cadencia. Dónde haces pausas, lo rápido que hablas cuando te emocionas, cuánto te detienes en un punto.

Emoción. Si una risa suena a risa, si el énfasis cae donde debe.

Acento. Este es delicado y merece reflexión, porque un acento no se traduce. Si hablas inglés con un acento regional concreto, el español doblado no lo reproducirá, y probablemente tampoco querrías que lo hiciera. Debería sonar como un hablante nativo de español con el carácter de tu voz.

Un buen doblaje traslada los cuatro primeros y trata el quinto con sensatez. Nadie debería esperar una copia perfecta, y quien lo prometa está exagerando.

Cómo funciona brevemente la clonación de voz

No necesitas las matemáticas, pero ayuda una idea. Un modelo de voz se entrena con, o se condiciona por, habla grabada de la persona. Aprende una representación de lo que hace distintiva esa voz y luego la usa para generar habla nueva, en este caso las frases traducidas.

De ahí se derivan dos consecuencias. Primera, el modelo solo puede representar lo que oye, así que cuanto más clara y rica sea la muestra, mejor será el clon. Segunda, la voz clonada llevará las cualidades de lo que le hayas dado, incluido un día de afonía, un zumbido de fondo y una sala con eco.

Dale una buena muestra

Aquí está la mayor parte de la mejora. Si clonas tu propia voz, dedica diez minutos a la grabación.

• Graba en una sala silenciosa y con materiales blandos. Un armario lleno de ropa gana a una cocina vacía. La reverberación es el enemigo.
• Usa un micrófono decente, cerca de la boca. Un micrófono USB o unos auriculares con micro valen. El micrófono del portátil al otro lado de la mesa, no.
• Habla con naturalidad. Resiste la tentación de sonar como un narrador. Lee algo conversacional, o cuenta cómo te ha ido el día. El modelo aprende de cómo hablas de verdad.
• Incluye variedad. Preguntas, afirmaciones, algo de entusiasmo, un tramo tranquilo. Una muestra plana produce un clon plano.
• Evita el ruido y la música. El zumbido de la nevera, los ventiladores y la música de fondo se cuelan en el clon.

Si doblas un vídeo en el que el audio original del hablante es la fuente, se aplican las mismas reglas a ese audio. Un habla limpia le da más material al sistema.

Varios hablantes

Las entrevistas y los vídeos de mesa redonda añaden una complicación. El sistema tiene que separar quién dijo qué y asignar una voz distinta a cada persona. Lo que ayuda:

• Evita que se hable a la vez cuando puedas.
• Revisa las etiquetas de hablante tras la transcripción. Si dos personas se han fusionado en una, el doblaje usará una sola voz para ambas.
• Da a cada persona suficiente habla en solitario. Un invitado que solo dice «claro» y «sí» no le da mucho al sistema para modelar.

Lee la transcripción en Studio antes de publicar, para que una línea atribuida a la persona equivocada se detecte antes de convertirse en un diálogo con la voz equivocada.

Mantén un ritmo natural

La gente rara vez nota una voz clonada que difiere ligeramente de la original. Sí nota una voz que suena apresurada. Es la razón más común de que un doblaje suene artificial, y es tanto un problema de traducción como de voz.

Los idiomas difieren en cuántas sílabas hacen falta para decir lo mismo. Si la traducción es mucho más larga que el original, la voz doblada tiene que acelerar para caber en el mismo hueco o invadir la línea siguiente. Arreglarlo suele significar ajustar la traducción, no retocar la voz.

Toma una línea que suene apresurada y pregúntate si la traducción dice más de lo necesario. Quita una cautela, elimina una oración redundante y regenera esa línea. La calculadora de tiempo de locución es una forma rápida de hacerse una idea de cuánto se tarda en decir un texto.

Revisa los detalles que delatan una voz

Escucha esto en una primera pasada.

Nombres. Tu propio nombre, el de tu canal, los nombres de tus productos. Si el modelo los pronuncia distinto de como tú lo haces, corrígelo. Reescribir una palabra de forma fonética en el texto suele ayudar.

Risas y muletillas. El habla natural tiene dudas, respiraciones y pequeñas risas. Un doblaje que las elimina todas puede resultar estéril, y uno que conserva cada «eh» puede resultar desordenado. Decide qué quieres y edita en consecuencia.

Énfasis. Si una frase debe caer sobre una palabra concreta, comprueba que el acento recae ahí en la traducción. A veces reformular la frase para que la palabra clave quede al final lo soluciona.

Consentimiento y ética

Esto importa, así que lo diremos directamente. Clona tu propia voz, o la de alguien que haya aceptado. No clones una voz a partir de la grabación de alguien que no ha dado su consentimiento, y ten cuidado con las figuras públicas. Más allá de la cuestión ética, en muchos lugares puedes tener problemas legales.

Ser transparente con tu público también es una buena práctica. Una línea breve en la descripción del estilo de «doblado con IA, voz generada a partir del hablante original» es honesta y rara vez perjudica. Los espectadores suelen reaccionar peor al descubrirlo después que al saberlo desde el principio.

Cuándo no quieres la voz original

A veces otra voz es la decisión correcta. Un vídeo de formación corporativa puede quedar mejor con un narrador neutro. Una lección infantil puede pedir un tono más amable. Un hablante a quien no le guste oír una versión sintética de sí mismo no debería ser presionado.

La clonación de voz es una opción, no un requisito. Piensa si la identidad del hablante forma parte de lo que valora el público. Para un creador o un instructor con una voz reconocible, normalmente sí. Para un vídeo explicativo sin cara, normalmente no.

Si doblas vídeos de YouTube con tu propia voz, la guía del traductor de vídeos de YouTube muestra cómo encaja la clonación en el flujo de un canal, y el doblaje con IA para creadores ofrece la visión general.

Un proceso repetible

Si doblas con regularidad, esta es una rutina que funciona:

1. Graba o elige una muestra de voz limpia una vez y reutilízala.
2. Dobla el vídeo con la clonación de voz activada.
3. Escucha el primer minuto y cualquier tramo con mucha emoción.
4. Corrige la pronunciación de nombres y términos.
5. Acorta cualquier línea que suene apresurada.
6. Regenera solo las líneas cambiadas.
7. Escúchalo todo una vez más, preferiblemente con alguien que hable el idioma.

Dubtitle admite la clonación de voz en todos los planes, incluida la prueba gratuita, y la página de doblaje con IA explica el flujo de trabajo. Si quieres oírte en otro idioma, empieza una prueba gratuita con un clip corto.