Doblar un video al español con IA: voces, variantes y tiempos

Qué ocurre cuando doblas un video con IA

Un doblaje automático no es una sola tecnología, sino una cadena de cuatro pasos. Entender cada uno ayuda a saber dónde buscar cuando algo no suena bien.

1. Reconocimiento de voz: el sistema escucha el audio y lo convierte en texto con marcas de tiempo. Si aquí se cuela un error, se arrastra hasta el final.
2. Traducción: ese texto se traduce al español frase por frase, con el contexto que ofrece cada segmento.
3. Síntesis de voz: un modelo de texto a voz lee la traducción con una voz artificial.
4. Ajuste de tiempos: cada frase en español se encaja en el hueco que ocupaba la frase original, para que la voz no se adelante ni se quede atrás respecto de la imagen.

Por eso un doblaje con IA funciona mejor con contenido explicativo (tutoriales, cursos, demos, comunicados internos, videos de producto) que con diálogos rápidos, humor basado en juegos de palabras o escenas con mucha emoción. No sustituye al doblaje profesional de una serie, pero permite tener una versión en español de material que de otro modo nunca se habría doblado.

Prepara el video para que el doblaje suene natural

Lo que entra determina lo que sale. Antes de doblar, conviene revisar el material con estos criterios:

• Una voz a la vez. Si dos personas hablan encima, la transcripción mezcla frases y la traducción pierde el sentido.
• Música discreta. Una base musical suave no suele molestar; una canción con letra debajo de la narración sí.
• Pausas naturales. Un presentador que respira entre ideas deja margen para que el español, que suele ocupar más que el inglés, quepa sin acelerarse.
• Frases completas. Las muletillas ("you know", "like", "so basically") se traducen y ocupan tiempo. Si estás grabando un video nuevo pensando en doblarlo, un guion limpio ayuda mucho.
• Origen variado. No tiene que ser inglés: puedes doblar al español desde portugués, francés, alemán, italiano, japonés o cualquiera de los 21 idiomas que admite mydubly.

Elegir una de las 8 voces sin equivocarte

La voz es lo primero que juzga quien ve tu video. Unas pautas prácticas para elegir:

• Escucha la muestra en español, no en inglés. En mydubly el diálogo de voces reproduce una muestra breve en el idioma que elegiste, así que primero selecciona la variante y después prueba las voces.
• Busca coherencia con la imagen. Si en pantalla aparece una presentadora, una voz masculina desconcierta, y al revés.
• Piensa en el registro. Un curso de finanzas pide una voz serena; un video de producto para redes puede tolerar algo más enérgico.
• Escucha al menos tres. La diferencia entre la primera que te gustó y la tercera puede ser grande cuando la oyes durante diez minutos.
• Usa la misma voz en toda la serie. Si doblas un curso de veinte lecciones, cambiar de voz entre lecciones despista al alumno.

En la guía para elegir una voz de IA (en inglés) hay más criterios. Y si dudas entre la variante latina y la castellana, lee nuestra comparación de doblaje latino o castellano.

Cómo doblar el video al español en mydubly

mydubly es una aplicación web de doblaje con IA (en inglés) que funciona en el navegador, sin instalar nada. La interfaz está en inglés; estos son los pasos con los nombres exactos de los botones:

1. En la página principal, arrastra el video a «Drop a video here». Acepta MP4, MOV, WebM, MKV y M4V de hasta 2 horas.
2. El idioma original se detecta automáticamente («Source: Auto detect»); no hay forma de indicarlo a mano.
3. Activa «Full translation output». Con el interruptor apagado solo obtendrías la transcripción.
4. En «Select language» elige Spanish (Latin America), Spanish (Spain) o Spanish.
5. Abre «Select voice», escucha las muestras y elige una voz.
6. Pulsa «Translate video» y mantén la pestaña abierta mientras se procesa.

La voz la genera Chatterbox Multilingual, un modelo abierto de texto a voz, y la transcripción se basa en Whisper. Durante el proceso, el video no sale de tu navegador: solo se envía el audio extraído, por HTTPS, y se borra del servidor dentro de los 30 minutos posteriores a terminar el trabajo.

Ahora, lo que no hace. mydubly no puede clonar tu voz ni la de tu presentador: siempre es una voz de stock. No hay sincronización labial, así que en planos cerrados de una cara se notará que la boca no coincide. Todos los hablantes del video reciben la misma voz, sin etiquetas de hablante. No hay control de emociones ni de entonación, no se traduce el texto en pantalla y no se puede corregir el guion traducido antes de generar la voz.

Por qué la voz a veces suena acelerada

El español suele necesitar más sílabas que el inglés para decir lo mismo. "Click save" se convierte en "haz clic en guardar"; "sign up for free" en "regístrate gratis" o "crea una cuenta gratuita". Como el doblaje se ajusta a la duración de cada frase original, cuando el español no cabe la voz tiene que ir más rápido.

Esto se nota en presentadores que hablan muy rápido y sin pausas, en listas largas dichas de corrido y en tramos llenos de cifras. Hay tres formas de reducirlo:

• Si vas a grabar, deja respirar el guion: frases cortas y una pausa breve entre ideas.
• Si el video ya existe, revisa los tramos más densos tras el doblaje y, si alguno queda forzado, sustitúyelo en tu editor por una narración grabada por ti.
• Para material muy denso, plantéate si los subtítulos no serían mejor opción que la voz.

En sincronizar el audio traducido con el video (en inglés) se explica con más detalle cómo funciona este encaje.

Video completo o solo la pista de audio

Al terminar tienes dos descargas principales para el doblaje:

«Download translated video»

El video con la voz en español, listo para publicar (translated-video.mp4; en algunos navegadores sale en MKV)

«Download translated audio»

La pista de audio en español en M4A: la voz traducida sobre la música y los efectos originales

«Download subtitles»

Los subtítulos en SRT, útiles para acompañar el doblaje

El video completo es lo más cómodo si vas a subirlo tal cual a tu web o a una plataforma de cursos. La pista de audio sirve cuando quieres más control: añadirla como pista adicional en YouTube, mezclarla tú mismo con la música original en DaVinci Resolve o Premiere Pro, o bajar el volumen en un tramo concreto. Si la música de fondo es importante para tu video, trabajar con la pista suelta te da libertad para equilibrar voz y música a tu gusto. Para el montaje fino, esta guía sobre editar audio doblado en un editor de video (en inglés) te ahorra pruebas.

Ejemplo: cuánto cuesta doblar una serie de tutoriales

El doblaje se cobra a 50 créditos por minuto iniciado, con un mínimo de 2 minutos por archivo. Un estudio de yoga de Lima con tutoriales grabados en inglés por una profesora invitada haría estas cuentas:

Los 100 créditos gratis al registrarte alcanzan justo para un doblaje de hasta 2 minutos, que es el mínimo por archivo, como el clip de 1 minuto del ejemplo; para el tutorial o la clase completa tendrías que recargar. Si lo prefieres, puedes usarlos para transcribir y revisar el texto antes de decidir si vale la pena doblar. Si quieres comparar escenarios de costo con más calma, revisa cuánto cuesta doblar un video.

Cuándo la IA no es la mejor opción

Un doblaje con voz sintética es una gran forma de llevar contenido informativo al español, pero hay casos en que conviene otra solución:

• Ficción, humor o publicidad emotiva, donde la interpretación es lo que sostiene la pieza. Ahí un actor de doblaje marca la diferencia; lo analizamos en doblaje con IA o con actores.
• Entrevistas con varias personas, porque todas sonarán con la misma voz.
• Videos en los que la cara del orador llena la pantalla y la falta de sincronización labial distrae.
• Material en el que tu propia voz es parte de la marca personal; ahí es mejor grabar tú la versión en español.

Antes de publicar cualquier doblaje, escúchalo completo con auriculares. Esta lista de control de calidad del doblaje (en inglés) es un buen recordatorio de qué revisar.