Generador de voz con IA

Un generador de voz con IA convierte texto escrito en audio hablado. Tú escribes lo que se debe decir y describes cómo debe sonar, por ejemplo la edad, el acento, el ritmo y la emoción, y el modelo lo interpreta. El resultado es un archivo de audio que puedes usar en un vídeo, un juego, la intro de un pódcast o una presentación.

En Mage, el modelo de voz es Seed Audio. Crea voces, diálogos, música y efectos de sonido a partir de un solo prompt y devuelve un MP3 con la duración exacta que elijas: 5, 10, 30, 60 o 120 segundos. Admite una referencia de imagen o hasta tres referencias de audio para guiar el sonido, pero no ambas en el mismo clip.

Lo que lo hace útil en Mage es lo que viene después. Un personaje guardado puede tener una voz, y los modelos de vídeo que leen las voces de los personajes, Cherry, Raspberry, Plum, Lemon y MiniMax-H3, la usan automáticamente, así que el personaje que diseñaste suena igual en todos los clips. La app Lipsync también puede tomar una línea de voz que hayas creado y sincronizar un rostro con ella.

Un prompt de voz tiene dos partes: lo que se dice y cómo suena. Pon las palabras habladas entre comillas para que se vea claro que son el guion y describe la interpretación a su alrededor. "Un hombre de unos setenta años, de voz cálida y áspera, pausado y divertido, cerca del micrófono en una sala tranquila, dice: “Toda historia empieza con alguien que debería haberse quedado en casa”." le da a Seed Audio un hablante, una forma de decir las cosas y un espacio.

Los detalles que más cambian una voz son la edad, la energía, el ritmo y la distancia. Un susurro cerca del micrófono, una voz de escenario en un gran salón y una voz cansada al teléfono son tres interpretaciones distintas de las mismas palabras. Nombra la emoción con un verbo, como provocar, suplicar o anunciar, en lugar de usar solo un adjetivo.

• Pon las palabras exactas entre comillas
• Indica un rango de edad y un nivel de energía
• Nombra el ritmo: pausado, ágil, entrecortado
• Describe el espacio: cabina, calle, catedral, teléfono
• Usa una línea de 5 o 10 segundos para probar una voz antes de una lectura larga

Seed Audio devuelve exactamente la duración que eliges, así que ajústala al guion. Una sola línea o una reacción caben en 5 o 10 segundos. Una locución corta o la lectura de un producto caben en 30. Una escena de diálogo o una narración caben en 60 o 120. Si el guion es demasiado largo para el clip, sonará acelerado; si es demasiado corto, quedará silencio o sonido ambiente al final.

Piensa en el destino del audio. Lipsync y Music Video aceptan audio de hasta 15 segundos, así que, para un retrato que habla, escribe una línea que quepa en 10 segundos y genera con esa duración.

Un personaje en Mage puede tener una voz: sube un MP3 o WAV, o genera una muestra corta con Seed Audio al crear el personaje. A partir de ese momento, Cherry, Raspberry, Plum, Lemon y MiniMax-H3 usan esa voz automáticamente cada vez que el personaje habla. El generador de personajes con IA te lo explica todo sobre los personajes, y la guía de foto parlante con IA muestra cómo hacer que un retrato diga una línea.

Usa audio de referencia solo de tu propia voz o de una voz que tengas permiso para usar. En Mage no se permite imitar a una persona real sin su consentimiento.