Un análisis crítico de los retos y obstáculos del uso de la IA en proyectos profesionales de locución.
La fascinación por las nuevas tecnologías
Tecnologías como la conversión de texto a voz mediante IA (TTS) y la clonación de voz parecen prometedoras a primera vista, también para las producciones audiovisuales profesionales. De entrada, resulta tentadora la perspectiva de contar con soluciones rápidas y rentables para crear voces destinadas al doblaje, vídeos corporativos, cuñas de radio, formación en línea y mucho más. Sin embargo, si se analiza con detenimiento, la IA de texto a voz es menos eficiente que las voces humanas profesionales, por no hablar de su falta de auténtica humanidad.
IA de texto a voz: exige tiempo y trabajo
Las tecnologías de IA de texto a voz convierten el texto escrito en lenguaje hablado. Por ello, muchos productores audiovisuales ven actualmente en ellas una alternativa rápida y económica a los locutores profesionales con experiencia. Sin embargo, al aplicar estas tecnologías y crear contenidos de audio, se encuentran con retos considerables.
Uno de los mayores obstáculos es la falta de naturalidad. Los modelos de IA de texto a voz suelen tener dificultades para imitar los ritmos, las pausas y los énfasis naturales del habla humana. A menudo hay que programarlos y ajustarlos manualmente, lo que supone una inversión de tiempo considerable.
Además, el impacto emocional que ofrece la IA de texto a voz a menudo no alcanza el de un locutor humano. Incluso con ajustes intensivos y minuciosos, los modelos TTS muchas veces no consiguen establecer con el público la conexión emocional que ofrece un locutor profesional.
Clonación de voz: problemas en la producción de audio pese a una tecnología aparentemente impresionante
La clonación de voz es otra tecnología que parece ofrecer una solución rentable para crear locuciones. Utiliza la IA para copiar y reproducir la voz de un locutor concreto. Sin embargo, esta tecnología también plantea problemas considerables.
La clonación de voz requiere grabar un „material de origen“ con un locutor „profesional“. Este paso adicional no solo lleva tiempo, sino que también constituye la primera partida de costes. Además, la IA suele generar errores al clonar la voz (artefactos) , lo que puede obligar a volver a grabar el material de origen. Esto provoca retrasos y hace que el proceso sea ineficiente.
IA de texto a voz frente a clonación de voz: dos tecnologías distintas con retos similares
Es importante tener en cuenta que la IA de texto a voz y la clonación de voz son dos tecnologías distintas que funcionan de manera diferente. La IA de texto a voz genera una voz similar a la humana a partir de un texto, mientras que la clonación de voz reproduce la voz de un locutor existente mediante otra voz.
Sin embargo, ambas tecnologías se enfrentan a retos similares. Requieren una inversión de tiempo considerable en ajustes y correcciones y, a menudo, no pueden ofrecer la calidad sonora ni la profundidad emocional que aporta un locutor profesional grabado en un entorno profesional.
Capacidad de procesamiento y costes
Otro problema que suele pasarse por alto es la considerable capacidad de procesamiento necesaria para generar audio TTS y clonar voces. Los proveedores de IA invierten en hardware y software potentes para afrontar la complejidad del procesamiento. Esta infraestructura no solo conlleva elevados costes de adquisición y mantenimiento, sino también gastos de funcionamiento continuos, especialmente de electricidad y refrigeración. Los costes reales de los contenidos generados por IA solo podrán evaluarse de forma realista a largo plazo, ya que en estos momentos abunda el capital riesgo para financiar esos costes.
Las empresas que apuesten por estas tecnologías deberían tener en cuenta estos factores de coste para obtener una estimación realista del coste total a largo plazo de la creación de locuciones y voces de IA.
El caso particular de los actores de doblaje: por qué la clonación sí podría funcionar aquí a largo plazo
En las producciones de doblaje se da una situación especial que podría hacer que el uso de tecnologías de clonación de voz, sobre todo cuando hay un gran volumen de material, resultase más rentable para los productores que contratar a profesionales del doblaje.
Los actores de las películas ya aportan por sí mismos un „material de origen“ que contiene matices emocionales, voces y variaciones de estado de ánimo que la tecnología de IA podría aprovechar. En el contexto del doblaje, estos matices emocionales y vocales podrían trasladarse a otro idioma. La clonación de voz y la traducción mediante IA podrían combinarse de tal modo que las grabaciones originales sirvieran de base para generar películas completamente dobladas a otros idiomas.
Pero también en este ámbito seguimos estando lejos de una solución que funcione, y cabe preguntarse si las personas aceptarían siquiera que unos „robots“ las entretuvieran. Además, aún quedan varias cuestiones legales por resolver.
Conclusión: el valor de los locutores profesionales
Aunque las tecnologías de IA son sin duda impresionantes, nos preguntamos si ofrecen una ventaja real para su uso profesional en estudios de doblaje, estudios de producción publicitaria o emisoras de radio.
Lo cierto es que estas tecnologías son menos eficientes que recurrir directamente a locutores profesionales.
El habla humana es compleja y está llena de matices, y puede resultar difícil captar esos matices en los modelos de IA. Los locutores profesionales, en cambio, aportan experiencia e inteligencia emocional a su trabajo, lo que da lugar a contenidos de audio de gran calidad y atractivos. En pocas palabras, captan y transmiten la esencia del contexto en una sola toma, mientras que la IA necesita cinco o seis intentos y, aun así, no ofrece un resultado perfecto al 100%.
A pesar de los avances en la tecnología de IA, contratar a locutores profesionales sigue siendo el método más fiable y eficiente para crear locuciones de alta calidad.
Cita:
Para terminar, una cita de Bernd Biemüller, un experimentado profesional del sector del doblaje que lleva más de 20 años trabajando como productor de audio:
„La situación actual me recuerda a los años 90, cuando cualquiera podía crear folletos a bajo coste gracias a Photoshop. Muchos creían que aquello marcaría el fin de los diseñadores profesionales. Pero la realidad fue distinta: tras apenas unos años en los que hubo que soportar multitud de folletos terriblemente poco profesionales, la gente volvió a recurrir a diseñadores profesionales cuando quería producir folletos. ¿El motivo? La calidad y los conocimientos especializados. Photoshop podía proporcionar las herramientas, pero a los usuarios les faltaban la experiencia y el criterio artístico necesarios para crear diseños eficaces y visualmente atractivos. Esas capacidades las ofrecían los diseñadores profesionales.“
