Generador de voces

1. 01

   Escribe el guion hablado

   Escribe o pega hasta 5,000 caracteres por generación. La puntuación marca el ritmo: usa comas para respirar y rayas para cortes más bruscos.

2. 02

   Elige una voz

   54 voces de Kokoro en 9 idiomas. Escoge según el personaje: narrador dramático, protagonista de voz femenina y suave, lectura con energía o lector tranquilo.

3. 03

   Genera la grabación

   Obtienes un WAV mono de 24 kHz, limpio y listo para usar. El modelo es determinista: el mismo guion con la misma voz da siempre la misma grabación.

4. 04

   Carga el WAV en tu editor de audio

   Impórtalo en Ableton, Logic, FL Studio, Reaper o Audacity. Trátalo como una pista de voz en seco: ecualiza, comprime, agrega reverberación o delay y alinéalo con la cuadrícula de tempo de tu proyecto.

¿Quieres escucharlas? Ver las 54 voces →

• 01

  Genera una toma limpia y recorta el silencio

  Kokoro genera voces habladas sin ruido de respiración simulado, pero añade pausas muy breves según la puntuación. Genera la toma y recorta en Ableton o Logic el silencio inicial y el final hasta un nivel de -60 dB. Usa una compuerta de ruido con umbral de -50 dB y ataque rápido de 5 ms para quitar cualquier resto de audio al final antes de procesar la voz.

• 02

  Usa el WAV como una pista seca

  El WAV de 24 kHz es una pista seca: no incluye reverberación, compresión ni ajustes de frecuencia incorporados. Esta es la base que necesitas para producir. Pásalo por tu cadena de voz habitual: filtro de paso alto a 80 Hz, realce de presencia alrededor de 3 kHz, reducción de sibilantes de 6 a 8 kHz y compresión de 3:1 con umbral de -18 dB. Al final, agrega reverberación y retardo mediante envíos. Nunca los añadas al canal seco.

• 03

  Combina la voz con la música y aplica sidechain a la base

  Cuando la voz está sobre el ritmo, aplica al bus de música una compresión de 4:1 disparada por la pista vocal. Ajusta la liberación a 50 ms. La música baja entre 3 y 4 dB con cada palabra y recupera el volumen en los huecos. La voz queda más clara al instante, sin necesidad de automatizar el volumen a mano. Es una técnica habitual para entradas de podcasts, comedias breves de hip-hop y muestras habladas lo-fi.

• 04

  Alinea al tempo con warp o estiramiento de tiempo

  La herramienta de texto a voz no fija automáticamente la voz a un BPM. Para ajustarla a un ritmo de 90 BPM, coloca el WAV en Ableton (Warp → Complex Pro), Logic (Flex Time → Slicing) o FL Studio (Newtone). Marca los transitorios de las sílabas acentuadas y alinéalos con la cuadrícula de corcheas, tomando los cambios de compás como referencia. Para cambiar la velocidad, usa Complex Pro a ±15% antes de que aparezcan artefactos en los formantes.

• 05

  Ajusta el ritmo de la voz con reescritura fonética y puntuación

  No se admite SSML. Aquí manda la puntuación: las comas crean pausas de 100 ms y los puntos, de 250 ms. Las rayas hacen cortes más marcados. Los puntos suspensivos dejan un tiempo bien definido. Cuando la palabra "data" sale con acento británico y quieres una pronunciación estadounidense, escríbela fonéticamente ("day-tuh") y vuelve a generar el audio. El modelo se guía por cómo está escrita la palabra, no por el diccionario.

• 06

  Une tomas largas con fundidos cruzados de 100 ms

  Para un capítulo de audiolibro de 20 minutos o un monólogo largo, genera el audio en bloques de 4,000 caracteres. Mantén la misma voz y velocidad. En tu editor de audio, une los archivos WAV en una sola pista, sin superposición. Aplica un fundido cruzado de 100 ms de igual potencia en cada empalme. Como Kokoro produce siempre lo mismo con una voz dada, los cortes quedan limpios y la voz se oye como una sola toma continua.