La misma voz en cada vídeo

Qué sale mal y la corrección

Antes de empezar

• Un personaje en la página de Personajes. Para crear uno necesitas un nombre y al menos una foto: pulsa Añadir imágenes de referencia, sube la foto, nombra al personaje y pulsa Crear personaje. El nuestro es un retrato generado, así que no hay ninguna persona real involucrada.
• Un modelo de voz con voces con nombre. El diálogo de Voz solo lista esas: los modelos de ElevenLabs y Kokoro.
• Los clips que quieres narrar, en tu Biblioteca. Los nuestros son tres clips de cinco segundos sin sonido: la pista de aterrizaje y la azotea en Kling v3, y la conducción nocturna en Seedance 2.5.

Guarda la voz en el personaje

En la página Personajes, abre el menú ... en la tarjeta del personaje y elige Voz. El cuadro de diálogo ofrece dos tipos: Voz del catálogo y Clip de voz. Mantén Voz del catálogo. Selecciona el Modelo de voz y luego la Voz del catálogo; un botón Reproducir vista previa reproduce una muestra grabada de esa voz gratis. Añade un idioma si quieres, y pulsa Guardar. La tarjeta ahora muestra la voz bajo la descripción.

Narrar con Hablar como

Abre el editor de audio en la tarea de locución y pulsa Hablar como. Elige el personaje. El selector de modelos cambia al modelo guardado y la lista de voces a la voz guardada, y una línea bajo el botón lo confirma: Hablando como Isla Marr · Sarah. Escribe la frase y pulsa Generar audio. Lo hicimos cinco veces seguidas para dos guías, y la pareja nunca cambió.

This is the sound of silk at midnight.

Nothing here was built to stand still.

You already know the ending. Wear it anyway.

Pon una base y una señal bajo la voz

Una línea sola suena vacía. Crea una base musical en la tarea Música del compositor de audio y una señal de sonido en Efecto de sonido, y luego construye la línea de tiempo de cada clip en Studio: Timelines, Nueva línea de tiempo, y en la pestaña Biblioteca del panel izquierdo, el clip con su +, la toma en el cabezal de reproducción donde empieza la línea, la base y la señal.

Sleek fashion-show runway track, 120 bpm, deep kick and a crisp clicking hi-hat, glossy synth stabs, instrumental, no vocals. Strong dynamics: two seconds of the full groove, then four seconds of a hushed, near-silent filtered pulse, then the full groove slams back in, and that shape repeats through the track.

Dark synthwave night-drive track, 100 bpm, driving analog bass arpeggio, gated snare, cold pads, instrumental, no vocals. Strong dynamics: two seconds of the full drive, then four seconds of a sparse, hushed passage with only a low filtered bass, then the full drive returns, and that shape repeats through the track.

Warehouse rave build for a rooftop party at night, 128 bpm, instrumental, no vocals: a soft muffled kick and a quiet rising filtered riser that builds for five seconds, then a huge drop with open hi-hats and a big supersaw lead, and that quiet build and big drop repeat through the track.

Las señales son una línea corta cada una en ElevenLabs Sound Effects v2, recortadas con Mark Out para que no interfieran con la voz: obturadores de cámara durante el primer segundo de la pasarela, el motor y el agua tras la frase de la conducción, y un grito de multitud cuando cae el confeti de la azotea. Pulsa reproducir: la voz es la misma en los tres casos porque el modelo y la voz fueron la misma solicitud cada vez, y se sitúa por encima de la música.

Medimos cada exportación: ningún silencio superior a medio segundo, y la voz al menos 3 dB por encima de todo lo demás mientras ella habla. Esas líneas de tiempo mezclaban todas las pistas al mismo nivel, así que estos números provienen de los pasajes que elegimos, no de un ajuste.

Tres formas de hacerlo

La ruta de la API está documentada en Personajes y localizaciones: la voz de un personaje se utiliza en la generación de audio con el id del personaje, y en la generación de vídeo cuando solicitas la voz del personaje. Para esta guía, probamos la ruta del compositor, no las otras dos.

Dónde aún tienes que regenerar

• La entrega aún varía un poco. Misma voz, mismo modelo, pero cada toma es una nueva lectura. Si una frase suena plana, ejecútala de nuevo; la voz no cambiará.
• Una base musical que aún tapa una palabra. La exportación baja el volumen de la música bajo la voz, pero un pasaje fuerte aún puede saturar una frase. Baja el Volumen del clip de la base musical en el inspector de Audio, o mueve Marcar entrada a un pasaje más silencioso.
• Tu propia voz se elige manualmente. En un plan de pago, Crear voz personalizada en la lista de voces del compositor de audio clona tu voz a partir de grabaciones de 10 segundos a 5 minutos, con los modelos de voz de ElevenLabs. El diálogo de voz de la página de Personajes solo guarda voces del catálogo y clips de voz, por lo que Hablar como aún no puede usar una voz personalizada: elígela en la lista de voces cada vez. Un clip de voz en un personaje es una referencia para los modelos que aceptan una, no una voz de texto a voz.
• La velocidad es solo por API. El compositor no tiene control de velocidad actualmente.

Cuánto cuesta

Guardar una voz no cuesta nada; previsualizar una voz no cuesta nada. Cada línea factura la tarifa por carácter del modelo con un mínimo. Cada base musical y cada indicación es un cargo fijo. Los clips se han facturado por duración, y las exportaciones de Studio no se facturan.

Pruébalo tú mismo

Fashion film, one continuous shot. A model in a sculpted emerald green floor-length gown with long sleeves walks down a mirrored runway toward the camera, camera strobes flashing from the crowd in silhouette on both sides, white haze, slow motion, low tracking shot moving backwards, anamorphic flares, deep blacks. No text, no logo.

Premium car commercial, one continuous shot. An original concept coupe that resembles no production car: a low, wide, wedge-shaped matte white body with a single thin continuous light bar across the nose, no grille, no badges, a smooth flush glass canopy, enclosed rear wheel arches and a sharp ducktail rear. It slides sideways through a wet night street lined with bare concrete walls and plain vertical neon tubes in teal and magenta, no shop windows, no signs, no lettering anywhere. Rain streaks in the air, neon reflections stretched across the asphalt, low side tracking shot, spray from the tyres, motion blur on the passing lights, cinematic contrast.

Music video, one continuous shot. A rooftop rave at night: a dense crowd in silhouette wearing long dark coats, hoodies and bucket hats, arms raised, under sharp green laser beams fanning through a thick haze layer, confetti bursting in slow motion, a city skyline of blurred lights behind them, low handheld camera looking up, backlit, high contrast. No text, no logo.

Tus clips y bases no coincidirán con los nuestros; un prompt le da al modelo la escena o el ambiente, no la toma, así que busca tu propio pasaje silencioso para el Marcado de entrada. La voz coincidirá, porque el personaje la lleva.

Lista de comprobación

1. El personaje existe con un nombre y una foto.
2. Diálogo de voz: Voz del catálogo, un modelo con voces con nombre, vista previa reproducida, guardada.
3. Compositor de audio: Hablar como muestra el personaje y la nota nombra la voz.
4. Una generación por línea; revisa cada toma antes de cortar.
5. Una base musical solicitada con dinámicas fuertes, y una pista por clip.
6. Studio: clip, toma en el cabezal de reproducción, una ventana de base de cinco segundos de un pasaje silencioso, la pista clara de la voz, Exportar vídeo.