Locución con IA en turco: reglas para preparar el texto para la voz

Respuesta corta: Para una locución en turco con IA, primero prepare el texto para la voz: desarrolle en letras los números y las fechas, escriba las siglas tal como se pronuncian, conserve las letras con circunflejo y los caracteres propios del turco, y divida las frases largas. Después elija la voz de narrador adecuada al trabajo, escuche el resultado sin imagen y corrija la palabra mal leída. La mayor parte de la calidad sale del texto.

En el primer intento casi todo el mundo vive lo mismo: la voz suena natural, pero la frase «3. kat» (tercera planta) se lee «üç kat» (tres plantas), en los precios el modelo se atasca entre las cifras y, en la palabra «hikaye» escrita sin circunflejo, la k sale velar. El problema rara vez está en la voz; suele estar en cómo se le entrega el texto. El texto turco se escribe para la vista, mientras que el modelo de voz lee literalmente lo que está escrito. Este artículo ofrece las reglas que cierran esa brecha y una lista de comprobación para usar antes de publicar.

¿Cómo se hace una locución con IA?

Una locución con IA se hace en cinco pasos: reescribe el texto para el oyente, desarrolla los números y las siglas tal como se leen, elige la voz del narrador o del personaje, genera el audio y lo escucha sin imagen, y corrige en el texto el punto mal leído para regenerar solo esa parte. Generar la voz lleva segundos; el verdadero esfuerzo está en preparar el texto.

1. Escriba el texto para el oído. Frases cortas, una idea por frase, sin subordinadas encadenadas.
2. Desarrolle la lectura. Escriba en letras las cifras, fechas, horas, monedas, siglas y símbolos.
3. Elija la voz. ¿Narrador o personaje? ¿Cálida, serena o enérgica?
4. Escuche. Apague la imagen y escuche una vez de principio a fin; sin imagen, los errores se oyen con más facilidad.
5. Corrija por partes. Cambie la palabra errónea en el texto y regenere solo esa frase o esa escena.

Si la locución forma parte de un vídeo, el orden cambia un poco: primero llega el plan de escenas, el texto se divide en escenas y la voz se escribe según la duración de cada una. Encontrará el flujo completo en la guía para hacer vídeos con IA, y cómo planificar las escenas sobre el papel, en el artículo qué es un storyboard.

¿Dónde se equivocan más los modelos de voz con un texto en turco?

En turco, los modelos de voz tropiezan sobre todo en seis puntos: cifras y fechas, siglas y símbolos, letras con circunflejo, palabras escritas sin los caracteres propios del turco, nombres propios extranjeros y entonación interrogativa. El denominador común es este: el modelo no siempre deduce la lectura que el lector saca por contexto, y a menudo elige la forma que ha visto con más frecuencia.

La pérdida de caracteres turcos es la más traicionera. En un texto copiado de otro sistema o escrito con prisa pueden desaparecer las letras ı, ğ, ş, ç, ö y ü. Una palabra escrita «Isik» no se lee como «ışık» (luz), sino con vocales anteriores; en la grafía «dag», el alargamiento que produce la ğ de «dağ» (montaña) no se oye en absoluto. Pasar el texto por un corrector ortográfico de turco antes de enviarlo a la voz atrapa la mayoría de estos errores antes de generar.

¿Cómo deben escribirse los números, las fechas y las siglas?

Escriba en letras los números, las fechas y las siglas tal como quiere que los oiga el oyente. Un modelo de voz puede leer cifra a cifra una fecha con puntos, saltarse el punto de un ordinal o deletrear letra a letra una sigla como «A.Ş.». Si en pantalla debe aparecer la cifra, déjela en el subtítulo y desarróllela en el texto de la voz. Mantener los dos textos separados es lo más seguro.

Algunas siglas se leen como palabra (NATO, TÜBİTAK) y otras letra a letra (TBMM, la Gran Asamblea Nacional de Turquía). En lugar de adivinar cuál elegirá el modelo, escriba usted mismo la pronunciación. Con las monedas vale el mismo principio: «lira» en lugar de «TL», «dolar» en lugar de «USD». Agrupe de dos en dos o de tres en tres las series largas de cifras, como un número de teléfono o un código de pedido, y ponga comas entre los grupos; así el modelo encuentra dónde respirar.

¿Cómo cambian la pronunciación las letras con circunflejo y los nombres extranjeros?

En turco, el acento circunflejo cambia la lectura; si se borra, el modelo lee otra palabra. «Hâlâ bekliyoruz» y «hala bekliyoruz» son frases distintas: en la primera, la palabra significa «todavía»; en la segunda, «tía paterna». «Kâr» es ganancia; «kar», la nieve que cae. Según las normas ortográficas de la Academia de la Lengua Turca (Türk Dil Kurumu), el signo tiene tres funciones, y las tres afectan directamente al sonido.

• Distingue significados: hâlâ y hala, kâr y kar, âdet y adet. Aquí la vocal se lee larga.
• Palataliza la consonante anterior: kâğıt, dükkân, hikâye, rüzgâr, Elâzığ. Sin circunflejo, la k, la g y la l pueden leerse velares.
• Marca el sufijo de relación: «resmî tatil» (festivo oficial) y «resmi duvarda» (su cuadro está en la pared), «millî» (nacional) y «milli» (que tiene eje) no son la misma palabra.

Nombres propios extranjeros

El nombre de una persona o de un lugar extranjeros puede deformarse según las reglas del idioma con que el modelo lo lea. Pruebe primero con la grafía original; si sale mal, use solo en el texto de la voz una grafía turca cercana a la pronunciación: «Jak» en lugar de «Jacques», «Mişel» en lugar de «Michelle», «Siyatıl» en lugar de «Seattle». En el subtítulo y en el texto en pantalla se mantiene la grafía original. En los nombres de empresas y productos, tome como referencia la pronunciación de su propietario.

¿Cómo afectan a la entonación la partícula interrogativa, la coma y la longitud de la frase?

El modelo de voz deduce la entonación de la puntuación y de cómo se escriben los sufijos. Cuando la partícula interrogativa «mi» se escribe separada, la frase se construye como pregunta y el acento recae en la palabra anterior a la partícula; con una grafía unida como «geliyormusun», el tono de pregunta puede perderse. La coma indica una pausa corta; el punto, una larga. Las frases largas y encadenadas, en cambio, hacen que la voz fluya sin aliento, plana y monótona.

• La partícula lleva el énfasis: en la pregunta «Sen mi geldin?» (¿has venido tú?) destaca «sen» (tú); en «Sen geldin mi?» (¿has venido?), destaca «geldin» (has venido). Coloque la partícula según la palabra por la que pregunta.
• La coma es un lugar para respirar: en «Evet, hazırız» (sí, estamos listos), «evet» recibe un golpe propio. Sin coma, las dos palabras se leen de un tirón.
• El foco está cerca del predicado: en turco, el elemento enfatizado suele ir justo antes del verbo. En «Toplantıya Ayşe geldi» (a la reunión vino Ayşe), lo que destaca es Ayşe.
• Divida la frase larga: separe en dos la frase que no pueda decirse cómodamente de un solo aliento. Las cadenas de «ki» y «olan», que funcionan bien por escrito, hacen que el oyente se pierda al leerlas en voz alta.

El texto también determina la duración. A octubre de 2026, el director de Yeşilçam presupuesta la narración a unos 9 caracteres por segundo; a una escena de 10 segundos le corresponden como máximo 90 caracteres. En lugar de acelerar la frase que no cabe en la escena, acórtela: el turco acelerado se convierte en un murmullo en el que se pierden los sufijos.

¿Qué voz elegir? ¿Narración o diálogo?

Elija la voz según el tipo de trabajo: un narrador cálido o sereno para promoción y formación, una voz profunda para un tráiler y, en una película basada en una historia, una voz propia y estable para cada personaje. El narrador debe distinguirse de los personajes por género o edad para que el oído no confunda las dos capas. Una vez elegida, la voz de un personaje no debe cambiar a lo largo de la película.

El flujo Website Promo de Yeşilçam Studio, para vídeos promocionales de sitios web, ofrece seis voces de narrador: mujer cálida, hombre cálido, mujer enérgica, hombre enérgico, narrador sereno y voz profunda de tráiler. En la cadena de historia a película, la voz de cada personaje se guarda en la biblia de personaje junto con su cara. La regla de las dos capas, en la que el narrador lleva el tiempo y el lugar y los personajes la intención, se explica en detalle en el artículo narración o diálogo, y cómo formar un reparto de voces, en el artículo sobre narración y reparto de voces con IA.

¿Cuándo hace falta la sincronía labial?

La sincronía labial solo hace falta si la boca que habla se ve en pantalla. En un plano general, con un personaje de espaldas o en una escena de narración, basta con reproducir la voz en la pista de audio, y se ahorra el coste de la operación. En un primer plano, el espectador mira la boca; ahí la diferencia de calidad de la sincronía se oye y se ve al instante. Puede comparar los niveles en el artículo sobre locución y sincronía labial sin estudio.

¿La locución con IA es gratuita? ¿Cuánto cuesta en Yeşilçam?

En Yeşilçam, la locución no requiere una suscripción aparte; entra como una partida más en la estimación de la película o la animación, y el importe se muestra antes de generar. El plan Free da 250.000 tokens al mes, pero las operaciones se cobran con un multiplicador ×1,3. El precio de las operaciones relacionadas con la voz, como la sincronía labial, figura por separado en la tabla de precios, y el multiplicador del plan se aplica sobre ese precio.

A octubre de 2026, en la tabla de precios de Yeşilçam la sincronía labial estándar cuesta 29.167 tokens y la sincronía labial pro, 175.001 tokens; a la tarifa Basic equivalen a unos $0,18 y $1,05. El equivalente en dólares se calcula a partir de la asignación mensual del plan Basic: 5 millones de tokens por $30, es decir, 1 millón de tokens ≈ $6.

Un pequeño cálculo facilita la decisión. En una película de un minuto con seis escenas de diálogo, si da sincronía estándar a cada escena paga 6 × 29.167 = 175.002 tokens, prácticamente lo mismo que una sola sincronía pro. Por eso tiene sentido reservar el nivel pro para el único primer plano en el que el espectador mira realmente la boca. Los 250.000 tokens del plan Free, con el multiplicador ×1,3, alcanzan para seis sincronías estándar (6 × 37.917 = 227.502). Las generaciones fallidas se reembolsan automáticamente; los precios vigentes están en la página de precios, y el flujo en sí, en la página de Yeşilçam Studio.

¿Se puede clonar la voz de otra persona o imitar una voz famosa?

Como regla general, no: hace falta permiso. La voz de una persona es un valor personal que la identifica; copiarla sin permiso, hacerle decir cosas que no ha dicho o usarla en un trabajo comercial puede generar problemas legales. Si va a trabajar con una voz que no sea la suya, obtenga un permiso por escrito con el alcance definido.

• Derechos de la personalidad: el artículo 24 del Código Civil turco permite a la persona cuyos derechos de la personalidad sufren un ataque ilícito pedir protección a un tribunal. El ataque se considera ilícito si no hay consentimiento de la persona, un interés público o privado preponderante o una facultad otorgada por la ley.
• Datos personales: el artículo 6 de la Ley turca n.º 6698 de Protección de Datos Personales incluye los datos biométricos entre las categorías especiales de datos personales. El tratamiento de una voz para reconocer o imitar a una persona puede evaluarse en ese marco; para más detalles, consulte las publicaciones de la Autoridad turca de Protección de Datos Personales.
• Contrato con el locutor: especifique claramente en qué trabajo, durante cuánto tiempo y en qué idiomas se usará la grabación, y si se creará o no un modelo de voz a partir de ella.
• Situaciones delicadas: la voz de una persona fallecida, de un niño, de un político o de alguien famoso exige un cuidado adicional. Aunque sea una parodia, no engañe al espectador e indique que la voz se ha generado con IA.

Esta sección es información general, no asesoramiento jurídico. Para un trabajo, una publicación o un contrato concretos, consulte a un abogado.

¿Qué no resuelve la locución con IA?

La locución con IA sostiene bien la narración sencilla, el vídeo formativo, el texto promocional y el diálogo de borrador; pero no siempre capta la interpretación de un actor, la ironía sutil, una voz al borde del llanto o el ritmo de un poema. Donde el catálogo de voces se queda corto, la narración larga suena cansada y plana. En esos trabajos, un locutor profesional es el camino más acertado.

• Voz de marca y emisión: para una campaña publicitaria de largo recorrido o una emisión de televisión o radio, la grabación en estudio con un artista humano es más segura.
• Habla regional: los modelos de voz hablan un turco cercano al estándar; hacerles imitar un acento regional deriva fácilmente en caricatura.
• Audiolibro largo: en una narración de horas, la monotonía se acumula y el oyente se cansa.
• Contenido jurídico y médico: un error de pronunciación puede convertirse en un error de significado; una persona debe escuchar cada frase.

También hay un camino intermedio: locuta el borrador con IA para montar los tiempos y la edición, y encarga la versión final a un locutor. También es posible subir su propia grabación y usarla con la sincronía labial pro; en ese caso la interpretación no es sintetizada, sino suya. Encontrará el equivalente de los niveles de sincronía en animación en la guía de sincronía labial y voces de personajes.

Preguntas frecuentes

¿Se puede hacer una locución con IA gratis? Para probar, sí. El plan Free de Yeşilçam da 250.000 tokens al mes y las operaciones se cobran con un multiplicador ×1,3; basta para probar una narración corta y unas cuantas sincronías labiales estándar. En el plan gratuito, los archivos descargados llevan un pequeño logotipo de Yeşilçam Studios; los archivos de los suscriptores salen limpios.

¿Cuál es el error más frecuente en una locución en turco? Entregar el texto a la voz tal como está escrito. Las cifras, fechas, siglas y símbolos quedan a merced de lo que adivine el modelo; las palabras a las que se les ha borrado el circunflejo o un carácter turco se leen como otra palabra. Desarróllelas en letras en el texto de la voz y escuche el resultado una vez sin imagen.

¿Cuántos caracteres debe tener el texto de una locución? Calcúlelo según la duración. El director de Yeşilçam presupuesta la narración a unos nueve caracteres por segundo; para una narración de 30 segundos bastan aproximadamente 270 caracteres de texto. Acortar un texto más largo, en lugar de acelerarlo para que quepa, conserva la inteligibilidad.

¿Puedo usar mi propia voz? Sí. Si graba una toma limpia en una habitación silenciosa y la sube como recurso, la sincronía labial pro usa esa grabación directamente y la interpretación es suya. Limite la grabación a la réplica, deje un breve silencio en los dos extremos y evite la reverberación de la sala.

¿Tengo que regenerar toda la película por una sola palabra mal leída? No. Abre la tarjeta de la escena, corrige la palabra en el texto o elige otra voz, y regenera solo esa escena; también se cobra solo esa escena. Como los clips de narración se colocan escena por escena, la corrección no desplaza las demás escenas.