Skip to content

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-voices y 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 ​

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-ttsOpción B: grabar con el móvil por tu cuenta
Barrera de entradaRequiere ordenador y línea de comandosBasta con un móvil
CalidadTípico tono robótico de TTSCalidad de voz humana real, pero depende del entorno y del equipo
SubtítulosEl comando genera el SRT a la vezHay que hacerlos aparte en la siguiente lección
Adecuado paraMucho diálogo e iteración rápidaPocas 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:

bash
pip install edge-tts

Deberías 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:

bash
edge-tts --list-voices

Deberías ver: una lista de voces con columnas de nombre, género, idioma, etc. Filtra las voces en chino:

bash
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:

bash
edge-tts --text "你终于回来了。" --voice <你选中的音色名> --write-media out.mp3 --write-subtitles out.srt

Sustituye <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:

bash
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.srt

Ten 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.mp3 y out.srt ya 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:

  1. Abre la app de grabación de voz del móvil, elige el ajuste de menor ruido y apaga el aire acondicionado y los ventiladores.
  2. Coloca la boca a la distancia de un puño del móvil para evitar golpes de aire en el micrófono.
  3. Graba frase por frase siguiendo el texto de diálogo, con pausas de dos segundos entre frases para facilitar el corte posterior.
  4. 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-voices y 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-voices y 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
ParámetroUso recomendadoExplicación
--textTexto de diálogo simplificadoproviene de la lección Simplificación de diálogos
--voice--list-voices Nombre en la salidano escribirlo fijo; guíate por la salida real
--write-mediaout.mp3Salida de audio
--write-subtitlesout.srtSalida de subtítulos, se usará directamente en la próxima lección
--rate / --volume / --pitchEscritura 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
gaodong.aiAboutPrivacyContact

Independent tutorials, not affiliated with any product mentioned. Product names and trademarks belong to their owners. Check official pages for prices and policies.