Cómo cambiar el acento de una grabación
Respuesta rápida: Para cambiar el acento de una grabación, inicia sesión, añade tu archivo, elige el acento, confirma que es tu voz, cambia el acento y descarga el resultado.
- Inicia sesión. Es gratis. Cada cuenta tiene 3 minutos de voz nueva al día, porque cada minuto se procesa en una GPU de pago.
- Añade tu archivo. Arrastra un archivo de audio o vídeo con voz en inglés, de hasta 10 minutos.
- Elige el acento. Inglés británico, americano, indio, australiano o neutro.
- Confirma que es tu voz. Marca la casilla: tiene que ser tu propia voz, o tener el permiso de la persona que habla.
- Cambia el acento. Whisper escribe en tu dispositivo lo que se dice. Cada parte (de hasta 20 segundos) se vuelve a decir con el acento nuevo y tu voz, y luego se coloca en su lugar original.
- Escucha y descarga. Reproduce el resultado en la página y descárgalo en el mismo formato que tu archivo.
¿Cómo mantiene mi voz?
Con dos modelos de código abierto de MyShell, ambos con licencia MIT. MeloTTS dice tus palabras con el acento que elijas. Después, OpenVoice V2 mide el timbre de tu voz a partir de un fragmento corto (de hasta 15 segundos) y convierte la voz nueva a ese timbre. El acento (ritmo, vocales, entonación) sale del primer paso y la voz, del segundo. En nuestras pruebas, la voz convertida se parecía mucho más a la de la persona original que la voz de MeloTTS sola, pero no es un clon perfecto: cuenta con que suene a ti con un micrófono un poco distinto.
¿Qué se envía y qué no?
Tu archivo nunca se sube. Se decodifica y se transcribe en tu navegador. Para cada parte, el texto de la transcripción y un fragmento corto de tu voz van a nuestro servidor y de ahí a nuestro propio servidor de OpenVoice en Hugging Face, que devuelve el audio nuevo. No se guarda nada allí ni en nuestro servidor, y no registramos ni el texto ni el audio. La mezcla del resultado y la reconstrucción de un vídeo vuelven a hacerse en tu dispositivo.
Lo que (todavía) no puede hacer
Solo vuelve a decir el texto en inglés, así que la voz de tu archivo debe estar en inglés. La música y los sonidos de fondo no se conservan: recibes solo la voz nueva. Los tiempos siguen las frases originales, así que en un vídeo de alguien hablando a cámara los labios no coincidirán del todo. Una voz muy rápida, poco clara o con personas hablando a la vez da una transcripción peor y, por tanto, un resultado peor: puedes revisar el texto de cada parte sobre la marcha.
Preguntas frecuentes
¿Se sube mi audio?
Tu archivo no. Se envían fragmentos cortos de tu voz (de hasta 15 segundos) y la transcripción a nuestro servidor de voz para crear el audio nuevo, y no se guarda nada. La transcripción y la mezcla final se hacen en tu dispositivo.
¿Por qué tengo que iniciar sesión?
Cada segundo de voz nueva se procesa en una GPU de pago, así que la herramienta es para cuentas con sesión iniciada, con 3 minutos gratis al día. Para iniciar sesión solo hace falta una dirección de correo electrónico, sin contraseña.
¿Puedo cambiar el acento de otra persona?
Solo con su permiso. Tienes que confirmar que es tu propia voz o que la persona que habla está de acuerdo. No lo uses para hacerte pasar por nadie ni para engañar a la gente. Además, OpenVoice añade una marca de agua inaudible que identifica el audio como generado.
¿Qué acentos hay?
Británico (UK), americano (US), indio, australiano y una voz neutra en inglés, todos del modelo inglés de MeloTTS.
¿Funciona con vídeos?
Sí. Arrastra un MP4, MOV, WebM o MKV. La imagen se copia tal cual y solo se sustituye la pista de sonido, así que recibes el mismo tipo de archivo de vídeo.
¿Es gratis?
Sí, 3 minutos de voz nueva al día por cuenta, que se reinician a medianoche UTC. No hay marca de agua audible ni cuota de registro.