Estudio de clonación de voz

En el estudio de clonación de voz reúnes grabaciones de tu voz, las revisas, las procesas y entrenas con ellas un modelo de voz propio. Puedes cargar varios clips (también desde un enlace), marcarlos y desmarcarlos uno a uno y aplicar filtros a cada clip. Es una ventana propia con una barra lateral para las herramientas; el perfil lo eliges arriba, en «Perfil:». (Las pestañas «Perfiles» y «Sonidos» están en el estudio de memos de voz.)

«Revisar clips» mide cada clip en local en tu ordenador, gratis, y le da una puntuación según el sonido, la relación señal-ruido y la reverberación. Si un clip tiene demasiado ruido, está saturado, tiene demasiada reverberación, apenas contiene voz o es demasiado corto, acaba en la zona roja y «Mejores» nunca lo elige. Si editas un clip después de la revisión, su resultado se marca como desactualizado. En la siguiente «Revisar clips» solo se miden esos clips y los que aún no se han revisado. Sin mediciones no hay «Mejores»: primero hay que revisar. Añadir clips malos hace que el clon sea mediblemente PEOR, no mejor.

Si cargas la misma grabación dos veces por error, el estudio lo detecta por el CONTENIDO (no por el nombre del archivo) y te muestra los duplicados para que puedas quitarlos. El material duplicado distorsiona el entrenamiento.

Estas herramientas se ejecutan en local y no cuestan nada: Corte de graves (elimina retumbos de baja frecuencia), Reducir ruido (suaviza el ruido de fondo constante), Normalizar (sube las grabaciones bajas) y Reducir ruido IA (elimina ruido y ambiente, incluso mientras hablas). Separar tu voz de la música de fondo NO es gratis: para eso está «Separación · Pro» en la nube, 20 créditos por minuto empezado. La antigua separación local se retiró el 28 de agosto de 2026.

Estas herramientas funcionan en la nube y cuestan 20 créditos por minuto empezado: «Mejorar» (da brillo a grabaciones apagadas), «Separación · Pro» (la mejor separación de tu voz frente a música y ruidos), «Quitar reverb», «Quitar ruido» y «Más nítido» (mayor resolución). «Separar hablantes» cuesta 1 crédito por minuto empezado y recorta una conversación a UN solo hablante: ideal para obtener una sola voz de un pódcast. El precio figura en cada tarjeta.

El análisis transcribe TODAS las grabaciones de un perfil, no solo las marcadas, y evalúa cómo habla esa voz: giros recurrentes, estructura de las frases, abreviaciones y lo que llamativamente falta. El resultado llega como PDF y está pensado para prompts y para consultarlo; no influye en el clon. Se paga la transcripción de las grabaciones aún no transcritas (al segundo, como mínimo 1 crédito por grabación) y, además, el resumen final. Las grabaciones ya transcritas cuentan gratis. Ambas cosas aparecen en la ventana de «Análisis» antes de empezar.

Con el botón «Entrenar voz» creas un modelo de voz propio a partir de tus grabaciones. Reproduce la voz con más precisión que una sola grabación de referencia y después ya no necesita ninguna: la voz está dentro del modelo. La ventana te guía en tres pasos: (1) «¿De dónde viene el material?», con «Elegir carpeta …», «Usar la selección revisada» o «Solo los marcados»; (2) «Nombre y tamaño»: el nivel resulta de la cantidad de material, marcas tres casillas (tus derechos sobre la voz y dos datos que exige la ley) y empiezas con «Entrenar voz»; (3) «Guardar hablante»: después, la voz aparece para elegirla en la lista «Voces entrenadas». El precio depende de la cantidad de material y aparece en la ventana de entrenamiento antes de empezar. Dos cosas que debes saber: el entrenamiento se paga por separado en euros, no con créditos, ni gratuitos ni comprados. Y tarda mucho: la duración aparece en la ventana de entrenamiento junto a cada nivel. Cuando termina, la app te avisa con un aviso la próxima vez que la abras.

Cuánto material basta lo indica la ventana de entrenamiento en la fila de cantidad. Por debajo de un límite inferior no se entrena en absoluto; justo por encima, solo con la casilla ‚no hay garantía de calidad‘, y a partir de ahí empieza el rango recomendado. Lo que supere el límite superior no se usa en el entrenamiento. Lo decisivo es la calidad, no la cantidad: más material solo ayuda POR ENCIMA del umbral de revisión. Añadir clips que no han pasado la revisión empeora el resultado de forma medible; por eso el estudio avisa cuando hay clips suspendidos marcados.

En cualquier plan puedes entrenar y conservar tantas voces como quieras. En el plan Solo, siempre hay exactamente una activa: en la lista ‚Voces entrenadas‘ cambias con ‚activar‘, y no se elimina nada. Con Pro y Agencia, todas se pueden usar a la vez. El nivel depende solo de la cantidad de material, no del plan.