Doblaje y licencias: dos opciones, TTS o grabar por tu cuenta
El doblaje de microdramas con IA tiene dos caminos: usar edge-tts para convertir texto en voz, o grabar por tu cuenta con el móvil. Esta página te guía por ambos caminos y verifica los límites de la licencia antes de publicar, produciendo archivos de audio listos para entrar directamente en la edición.
Qué podrás hacer al terminar
- Convertir con edge-tts un texto de diálogo en audio MP3 y obtener al mismo tiempo un archivo de subtítulos SRT
- Elegir una voz en chino adecuada de la salida de
--list-voicesy ajustar la velocidad, el volumen y el tono - Grabar con el móvil, frase por frase, un doblaje humano real y limpio
- Entender con claridad los límites de la licencia de las voces TTS y saber qué verificar antes de publicar
Tu situación actual
- Las imágenes del microdrama ya están generadas, pero no hay sonido y el resultado final no parece «una obra».
- No te atreves a grabar por tu cuenta, o no tienes un entorno silencioso para grabar.
- Has oído hablar del doblaje con IA, pero te preocupas por si las voces generadas se pueden usar comercialmente y temes que retiren el vídeo tras publicarlo.
Cuándo usar esta técnica
Cuando necesitas: poner diálogos con voz humana sobre las imágenes ya editadas del microdrama y obtener a la vez el archivo de subtítulos.
Y no quieres: pagar a un actor de doblaje, ni aprender software de audio complejo.
🎒 Preparativos antes de empezar
- Haber terminado Depuración del diálogo: resta antes de doblar y disponer de un texto de diálogo depurado
- Haber terminado Versión final: doblaje, subtítulos, edición y exportación y conocer la posición de esta página en todo el flujo de la versión final
- Opción A: un ordenador con Python instalado y acceso a internet (edge-tts llama al servicio TTS en línea de Microsoft Edge)
- Opción B: un móvil y una habitación silenciosa con poca reverberación
Idea central
Ambas opciones producen lo mismo: un archivo de audio correspondiente al texto de diálogo, para que lo use la siguiente lección en la edición.
| Opción A: edge-tts | Opción B: grabar con el móvil por tu cuenta | |
|---|---|---|
| Barrera de entrada | Requiere ordenador y línea de comandos | Basta con un móvil |
| Calidad | Típico tono robótico de TTS | Calidad de voz humana real, pero depende del entorno y del equipo |
| Subtítulos | El comando genera el SRT a la vez | Hay que hacerlos aparte en la siguiente lección |
| Adecuado para | Mucho diálogo e iteración rápida | Pocas frases, con carga emocional |
En la etapa de práctica sirven ambas; antes de la publicación oficial, la opción A requiere un paso adicional de verificación de licencia (véase el paso 3).
Hazlo conmigo
Paso 1: generar doblaje y subtítulos con edge-tts (opción A)
Primero instala la herramienta y luego, con un solo comando, obtén a la vez el audio y los subtítulos.
Instalar edge-tts:
pip install edge-ttsDeberías ver: el comando termina con normalidad, sin errores. (También puedes instalarlo con pipx.)
Luego lista todas las voces disponibles y busca una voz en chino:
edge-tts --list-voicesDeberías ver: una lista de voces con columnas de nombre, género, idioma, etc. Filtra las voces en chino:
edge-tts --list-voices | grep zh-El nombre de la voz debe basarse en la salida real de este comando; no copies nombres antiguos de tutoriales de internet: Microsoft actualiza la lista de voces. Elige una cuyo género y estilo encajen con el personaje y copia su nombre.
Generar el doblaje:
edge-tts --text "你终于回来了。" --voice <你选中的音色名> --write-media out.mp3 --write-subtitles out.srtSustituye <你选中的音色名> por el nombre copiado en el paso anterior. Deberías ver: en el directorio actual aparecen dos archivos, out.mp3 (audio) y out.srt (subtítulos). El archivo de subtítulos SRT déjalo directamente para lasiguiente lección.
¿No te convence la velocidad o el tono? Añade parámetros y vuelve a ejecutar:
edge-tts --text "你终于回来了。" --voice <你选中的音色名> --rate=-10% --pitch=-5Hz --write-media out.mp3 --write-subtitles out.srtTen en cuenta que los valores negativos deben escribirse juntos (--rate=-10%, no --rate -10%). El volumen se ajusta con --volume, con la misma sintaxis. Regenera tras cada cambio, escucha una vez y solo entonces da por definitivo.
out.mp3yout.srtya están generados; escúchalos para confirmar que la voz y la velocidad son adecuadas
💡 Escucha inmediata
Si quieres escuchar mientras generas, puedes usar el comando edge-playback para reproducir al instante, pero depende del reproductor mpv (excepto en Windows). Si no tienes mpv, no pasa nada: reproduce directamente el archivo mp3 generado.
Paso 2: grabar con el móvil por tu cuenta (opción B)
Si no tienes ordenador o quieres una calidad de voz humana real, graba frase por frase con el móvil. La ventaja de grabar por frases es: una frase por pista, si te equivocas solo regruebas esa frase, y además es más fácil de alinear al editar.
Procedimiento:
- Abre la app de grabación de voz del móvil, elige el ajuste de menor ruido y apaga el aire acondicionado y los ventiladores.
- Coloca la boca a la distancia de un puño del móvil para evitar golpes de aire en el micrófono.
- Graba frase por frase siguiendo el texto de diálogo, con pausas de dos segundos entre frases para facilitar el corte posterior.
- Regrueba entera cualquier frase mal dicha; no repitas una y otra vez dentro de la misma grabación.
Deberías ver: en la app de grabación aparece un conjunto de archivos de audio numerados por frase (o una grabación larga que se cortará en la edición).
- Cada frase de diálogo tiene su grabación correspondiente; al reproducirla se comprueba que no hay ruido notable ni golpes de aire en el micrófono
Paso 3: verificar los límites de la licencia
Antes de publicar hay que confirmar la licencia del origen de la voz. En la etapa de práctica puedes ser flexible; para la publicación oficial, no.
Primero recuerda una distinción:
- Licencia del modelo ≠ licencia de la voz. Que un modelo sea de código abierto no significa que las voces que genera se puedan usar comercialmente sin restricciones.
- edge-tts llama al servicio TTS en línea de Microsoft Edge, cuyos términos de uso comercial no se explican en la documentación del proyecto edge-tts.@@I18N_KEEP_000006@
- Tu propia voz te pertenece; la opción B no tiene problemas de licencias de terceros (pero las licencias de la música y los efectos de sonido deben verificarse por separado).
Por lo tanto:
Solo como práctica, sin publicación pública: puedes usar ambas opciones con tranquilidad.
Publicación oficial (sobre todo con uso comercial): la opción B es la más segura; con la opción A debes verificar por tu cuenta los términos del servicio de Microsoft antes de publicar; este tutorial no ofrece garantías legales.
Has confirmado el escenario de publicación (práctica/público/comercial) y, en función de ello, has elegido la opción de doblaje
Punto de control ✅
- Tienes un archivo de audio correspondiente al texto de diálogo (mp3 o grabación del móvil)
- Usuarios de la opción A: habéis obtenido también el archivo de subtítulos SRT
- El nombre de la voz proviene de la salida real de
--list-voicesy no de una copia del tutorial - Has dejado claro el escenario de publicación y has verificado los límites de la licencia de voz correspondientes
Avisos de errores comunes
❌ Copiar a ciegas un nombre de voz fijo
Síntoma: --voice da un error que dice que la voz no existe.
Causa: los nombres de voz de los tutoriales de internet pueden estar obsoletos; Microsoft actualiza la lista de voces.
Solución correcta: ejecuta siempre antes edge-tts --list-voices | grep zh- y guíate por la salida real.
❌ Escribir los parámetros negativos por separado
Síntoma: el resultado de --rate -10% no cambia, o se produce un error de análisis.
Causa: edge-tts exige que los valores negativos se escriban con = junto.
Lo correcto: escribir --rate=-10%, --volume=-50%, --pitch=-50Hz.
❌ Usar directamente la locución TTS para publicación comercial
Síntoma: tras publicar el video, la plataforma lo retira o se reciben quejas.
Causa: los términos comerciales de edge-tts no se explican en la documentación del proyecto; asumir por defecto que es «de uso comercial» carece de fundamento.
Lo correcto: antes de la publicación oficial, verifica por tu cuenta los términos de servicio de Microsoft, o usa tu propia grabación de voz.
Técnicas avanzadas
Si quieres conducir el movimiento labial del personaje con voz, puedes conocer S2V-14B (modelo de video dirigido por voz): con introducir --audio de voz y --image de imagen de referencia basta para generar un video con labios sincronizados, y además se puede usar --num_clip para controlar el número de fragmentos y hacer una vista previa rápida. Requiere mucha memoria de vídeo (el comando de GPU única indica 80GB); es una ruta opcional avanzada y este curso no exige dominarla.
Resumen de la lección
✅ Has completado dos soluciones para el doblaje de microdramas con IA:
- Con un solo comando de edge-tts obtienes a la vez audio MP3 y subtítulos SRT
- Timbre, velocidad y tono se ajustan según la salida real de
--list-voicesy la regla de escritura continua de valores negativos - Grabación por frases en el móvil como alternativa con textura de voz real
- Has distinguido la licencia del modelo de la autorización de la voz; antes de la publicación oficial verifica los términos por tu cuenta
| Parámetro | Uso recomendado | Explicación |
|---|---|---|
--text | Texto de diálogo simplificado | proviene de la lección Simplificación de diálogos |
--voice | --list-voices Nombre en la salida | no escribirlo fijo; guíate por la salida real |
--write-media | out.mp3 | Salida de audio |
--write-subtitles | out.srt | Salida de subtítulos, se usará directamente en la próxima lección |
--rate / --volume / --pitch | Escritura tipo --rate=-10% | los valores negativos deben escribirse con = seguido |
Avance de la próxima lección
Una vez listos los archivos de locución, la próxima lección Creación y corrección de subtítulos: SRT de la generación a la incrustación se encarga de los subtítulos. Aprenderás:
- Cómo corregir la línea de tiempo y los errores tipográficos del SRT generado por edge-tts
- Cómo ajustar el estilo de los subtítulos para que no tape la imagen
- Cómo incrustar los subtítulos en el video final