Locución con IA: cuándo usarla y cómo hacerlo bien

Abrir ElevenLabs, pegar un guion y descargar el audio dura menos de tres minutos. Descubrir que el resultado tiene un problema de pronunciación en el nombre del producto, que el tono no encaja con la marca, o que el plan que se usó no incluía licencia comercial, puede tardar bastante más, especialmente si el contenido ya está publicado o el plazo ya ha vencido.

Las herramientas de síntesis de voz han mejorado mucho. Eso hace que sus limitaciones sean menos obvias al primer escucha, y más caras de descubrir tarde. Llevamos desde 2004 produciendo locuciones profesionales para clientes como Siemens, Trade Republic, Real Madrid CF o Sanitas y en los últimos años hemos acompañado a muchas empresas que llegaron con un audio de IA que había que rehacer. En su mayoría empresas pequeñas intentado economizar algo en lo que realmente hay que invertir para ver resultados. Lo que sigue es lo que explicamos antes de que eso ocurra.

¿Tienes un proyecto de locución y necesitas orientación antes de decidir si el audio de IA es suficiente para tu caso? En Trágora te asesoramos, solicita un presupuesto de locución.

Qué hace bien la IA en locución

Los sistemas actuales de síntesis de voz producen resultados que hace pocos años habrían resultado sorprendentes. Para ciertos usos, el audio es perfectamente válido:

• Contenido informativo sin carga emocional: instrucciones técnicas, descripciones de producto, textos explicativos sencillos.
• Contenido interno de baja visibilidad: formación interna de empresa, materiales para uso restringido, notificaciones de sistemas automatizados.
• Prototipos de producción: antes de invertir en una sesión con locutor profesional, la IA permite verificar que el guion tiene la longitud adecuada y que los tiempos encajan con el vídeo.
• Sistemas básicos de atención telefónica: la locución de mensajes de centralita es un buen ejemplo.

Para esos usos, la eficiencia de la IA tiene sentido. El coste es bajo y la velocidad de producción es inalcanzable para cualquier locutor humano.

Si lo que buscas son locuciones baratas, podemos ayudarte con ayuda de la IA o con voces amateur.

Los problemas que aparecen

La brecha entre una locución de IA y una locución profesional se hace visible en cuanto el contenido requiere algo más que leer un texto en voz alta. Por ejemplo, en la locución publicitaria o audioguías o documentales.

La entonación

Una voz de IA puede sonar natural en frases aisladas y mecánica en párrafos largos. Los sistemas de síntesis procesan el guion sin entender la intención comunicativa de cada frase, aplicando patrones estadísticos de entonación que se degradan a medida que avanza el texto.

En módulos de formación, documentales o cualquier formato que supere unos pocos minutos, las primeras frases pueden sonar fluidas mientras que los párrafos finales adoptan un patrón más plano. Un locutor profesional sabe cuándo subir la voz para generar expectativa, cuándo bajar el ritmo para enfatizar una idea y cuándo hacer una pausa que el texto no marca pero que el oyente necesita.

El ritmo

Cuando una locución con IA se produce por fragmentos, algo habitual en plataformas con límites de caracteres por conversión, el resultado puede presentar diferencias sutiles de ritmo entre segmentos que al unirse generan una narración irregular. El oyente lo percibe incluso sin saber exactamente qué le molesta.

El efecto contrario también ocurre: la voz mantiene el mismo ritmo, sin variaciones, durante toda la narración. En vídeos corporativos y en formación de marca, el cambio de ritmo es parte del trabajo del locutor para mantener la atención del espectador. La IA no lo consigue en textos largos.

El tono

Una voz de IA tiene siempre el mismo tono. Un vídeo corporativo de banca privada y un tutorial de una app de fitness pueden estar en el mismo idioma, pero el registro sonoro debería ser completamente distinto. Al elegir una voz en un catálogo de IA, ese registro queda fijado para todo el proyecto, sin posibilidad de modularlo por sección o por tipo de contenido.

La pronunciación

Las abreviaturas, los acrónimos, los nombres propios extranjeros y los tecnicismos poco frecuentes generan errores de pronunciación graves. Corregirlos manualmente, palabra por palabra en un guion largo, consume más tiempo del que habría costado grabar con un locutor desde el principio. En la locución de cursos e-learning y en locución de audioguías, es uno de los problemas más frecuentes.

Los nombres de marca son otro punto de fricción habitual. Muchas marcas tienen nombres inventados sin pronunciación canónica en ninguna lengua, y la IA resuelve la ambigüedad aplicando las reglas fonéticas del idioma en que está configurada, que puede no coincidir con cómo la propia empresa pronuncia su nombre.

Hay además un problema específico del español que pocas guías documentan: la interferencia con otras lenguas románicas. Cuando el sistema reconoce una palabra que existe también en portugués o en italiano, puede pronunciarla según las reglas fonéticas de ese otro idioma. El oyente percibe un cambio de acento repentino y el sistema no avisa. Detectarlo requiere escuchar el audio completo con atención.

Las pausas y el guion

Las pausas que el sistema introduce de forma autónoma pueden no coincidir con las que el guion requiere. Corregirlas en un guion largo es uno de los trabajos de edición más costosos en tiempo de los que genera la producción de locución con IA sin supervisión.

A esto se suma que muchos proyectos tratan el guion como un texto escrito cuando debería estar pensado para ser escuchado. Son registros distintos. Una frase correcta en un documento puede resultar confusa al oírse en voz alta, especialmente con subordinadas largas o construcciones pasivas. Un locutor profesional o una agencia detecta esos problemas antes de grabar. La IA los ejecuta tal como están.

Explora nuestro banco de voces de locutores humanos si estás buscando una locución profesional para tu proyecto.

Los derechos de uso en locución con IA

Crear locuciones con IA a partir de plataformas de terceros implica aceptar condiciones de licencia que pocos usuarios leen con detenimiento. Las consecuencias de no hacerlo aparecen más tarde.

Los principales aspectos que conviene verificar antes de usar una locución de IA en producción:

• Plan gratuito frente a plan de pago: el plan gratuito de ElevenLabs, por ejemplo, no incluye licencia comercial. El audio generado requiere atribución pública y no puede monetizarse. Muchas empresas lo descubren cuando el contenido ya está publicado.
• Restricciones por tipo de medio: incluso en planes de pago, algunas plataformas excluyen la emisión en televisión y radio de sus planes intermedios. Un spot producido con esas condiciones no puede emitirse en ese canal sin cambiar de plan.
• Voces clonadas a partir de actores reales: algunas plataformas incluyen voces entrenadas con grabaciones de actores de doblaje reales que firmaron contratos con condiciones específicas. Usar esa voz en un contexto no contemplado en el contrato original puede generar reclamaciones.
• Voces clonadas sin consentimiento: cuando la voz se clona sin el permiso del locutor original, el panorama legal es incierto. En España, la Ley Orgánica 1/1982 sobre el derecho al honor, la intimidad personal y la propia imagen protege la voz como un atributo de la personalidad. El RGPD añade una capa adicional en la gestión de datos biométricos de voz.

Locución con IA frente a locutor profesional

La tabla resume las diferencias más relevantes para quien tiene que tomar una decisión de producción.

Cuándo tiene sentido cada opción

La decisión no es binaria. Hay proyectos donde la IA es la opción correcta, y proyectos donde el coste de usarla sin supervisión supera al de contratar un locutor desde el principio.

La IA tiene sentido cuando:

• El contenido es interno y de baja visibilidad.
• El plazo no permite una sesión de grabación.
• El volumen de audio es tan alto que el coste del locutor es prohibitivo para el caso de uso.
• El texto es informativo y sin carga emocional o de marca.
• El proyecto es un prototipo para validar estructura y tiempos.

La supervisión profesional marca la diferencia cuando:

• El contenido va a representar a la marca ante clientes o audiencias externas.
• El tono emocional del mensaje es parte de su eficacia.
• El texto contiene terminología especializada o nombres que requieren pronunciación específica.
• El contenido va a distribuirse en varios idiomas o mercados.
• El audio se va a mezclar con música o efectos de sonido de producción profesional.
• El proyecto tiene plazos o presupuestos que no admiten rehacerse.
• El cliente quiere estar presente en la grabación para dar instrucciones al locutor mediante sistema como Cleanfeed o SessionLink Pro.

Lo que aporta trabajar con una agencia de locución

Una agencia con experiencia en locuciones interviene en el proceso antes de que los problemas se conviertan en costes o en material que hay que rehacer. En Trágora, cuando un cliente llega con un proyecto de locución, hacemos cuatro cosas antes de entrar en cabina:

1. Revisamos el guion para que funcione al oírse, no solo al leerse. Eso incluye detectar frases demasiado largas, construcciones que suenan forzadas en voz alta y terminología que el locutor necesita pronunciar de una forma específica.
2. Verificamos los términos técnicos, los nombres de marca y los acrónimos con el cliente antes de grabar. Una sesión con correcciones de pronunciación posteriores cuesta más que haberlas resuelto en la preparación.
3. Seleccionamos la voz según el contenido y la audiencia prevista, no según la disponibilidad. Para un vídeo corporativo de banca privada y para un tutorial de producto el registro tiene que ser distinto.
4. Gestionamos los derechos de uso del audio producido. El cliente sabe exactamente para qué canales y territorios está licenciada la locución antes de que el proyecto salga al mercado.

En proyectos de varios módulos o capítulos, también nos encargamos de que la coherencia de tono se mantenga de principio a fin, algo que con IA requiere un trabajo de supervisión que muchos equipos no tienen tiempo de hacer.

Preguntas frecuentes sobre locución con IA

Las dudas más habituales al valorar si la locución con IA es válida para un proyecto concreto.

¿La locución con IA tiene la misma calidad que la de un locutor profesional?

Depende del contenido y del uso. En textos informativos cortos y sin carga emocional, la diferencia puede ser pequeña. En formatos de varios minutos, en contenidos de marca con tono específico o en textos con terminología especializada, la diferencia es perceptible. La calidad técnica del audio sintético ha mejorado mucho, pero la capacidad de modulación de un locutor profesional dentro de una sola frase compleja sigue siendo distinta.

¿Puedo usar ElevenLabs gratis para producir contenido para mi empresa?

El plan gratuito de ElevenLabs no incluye licencia comercial. El audio generado requiere atribución pública y no puede monetizarse legalmente. Para uso comercial, el punto de entrada es el plan Starter a cinco dólares al mes. Si el contenido va a distribuirse en televisión o radio, hay que revisar qué plan cubre ese tipo de emisión, porque los planes intermedios lo excluyen de forma explícita.

¿Qué ocurre si uso una voz de IA que en realidad es la voz clonada de un locutor?

Depende de cómo se obtuvo esa voz. Si el locutor firmó un acuerdo con la plataforma autorizando el uso, estás dentro de sus condiciones de licencia. Si la voz fue clonada sin consentimiento, el locutor tiene base legal para reclamar en España bajo la Ley Orgánica 1/1982, que protege la voz como atributo de la personalidad. El riesgo legal es real y no está cubierto por el hecho de que la plataforma no avise de ello.

¿La IA puede generar locución en varios idiomas con la misma calidad?

Los sistemas de síntesis tienen distinta calidad según el idioma. Los pares más entrenados son inglés y español. Para idiomas con menor volumen de datos de entrenamiento, como el catalán o el euskera, la calidad cae de forma clara. La interferencia entre lenguas románicas es más frecuente en español que en inglés, porque el sistema puede confundir palabras con el portugués o el italiano. En proyectos multilingües, cada versión requiere revisión específica por un profesional del idioma en cuestión.

¿Cuándo merece la pena usar IA y supervisión profesional a la vez?

Es el modelo más eficiente en proyectos de volumen alto y presupuesto ajustado. La IA genera una primera versión del audio, que un locutor o un técnico de locución revisa, corrige y completa con las secciones que requieren tono o pronunciación específicos. Ese flujo combina la velocidad de la síntesis con la supervisión humana que garantiza el resultado. En Trágora trabajamos con ese modelo en proyectos de e-learning de gran volumen donde la IA cubre los bloques neutros y el locutor graba los módulos de mayor carga interpretativa.

¿La locución con IA es válida para publicidad en televisión?

Técnicamente el audio funciona, pero la licencia de muchas plataformas no cubre la emisión televisiva en sus planes intermedios. Hay también una cuestión técnica: la firma acústica del audio de síntesis puede desencajar con la posproducción de sonido de un spot de televisión, donde la calidad del resto de los elementos es alta. Para publicidad televisiva, la recomendación es locutor profesional en cabina tratada.

¿Puedo generar locución con IA para un curso e-learning de empresa?

Sí, con las reservas habituales. Para contenido formativo interno de empresa, la IA puede ser suficiente si el texto es informativo y sin terminología especializada compleja. Si el curso incluye terminología técnica del sector, nombres de productos o marca, o si el tono tiene que transmitir autoridad en el ámbito, la revisión por un locutor especializado o la grabación directa reduce el riesgo de tener que rehacerlo. Los módulos introductorios y los de navegación suelen funcionar bien con IA; los módulos de contenido sustantivo, menos.

¿Qué necesito enviar para pedir presupuesto de locución en Trágora?

El guion completo, aunque sea en borrador, el idioma o idiomas necesarios y el uso previsto del audio: vídeo corporativo, e-learning, publicidad, audioguía. Si ya tienes un vídeo de referencia o un audio de IA que quieres mejorar, envíalo también. Con esos datos valoramos qué partes pueden aprovecharse y qué partes requieren grabación nueva, y te pasamos presupuesto en el día.

¿Trágora hace locución con IA o solo con locutores profesionales?

Trabajamos con los dos modelos según lo que necesita el proyecto. Para clientes con volumen alto y contenido de tipo informativo, combinamos síntesis de voz con supervisión profesional para optimizar el coste sin comprometer el resultado. Para proyectos de marca, publicidad y formación con tono específico, trabajamos con locutores profesionales en cabina tratada. Si tienes un proyecto y no tienes claro qué modelo se ajusta mejor, te asesoramos antes de comprometer nada.

Si tienes un proyecto de locución en marcha

Saber cuándo la IA es suficiente y cuándo no lo es ahorra dinero y tiempo de producción. Los problemas de la locución sintética casi siempre se descubren cuando el audio ya está generado y el plazo ya aprieta. Si tienes un proyecto en marcha, mándanos el guion y el uso previsto. Te decimos qué opción se ajusta mejor al proyecto y te preparamos presupuesto antes de que empieces a producir.

Elena Fernández Luna - CEO de Trágora

Elena Fernández Luna es cofundadora y directora general de Trágora (agencia de traducción) y de Trágora Formación (la escuela de formación de traductores). Licenciada en Traducción e Interpretación (UGR), traductora jurada de inglés y máster en Marketing Digital, combina desde hace 20 años la gestión de proyectos lingüísticos con estrategia comercial y la orientación profesional para traductores.