Voices.com ha lanzado su programa beta para una nueva IA y hemos tenido la oportunidad de probar la plataforma. Voices.com ya ha respondido en sus propias preguntas frecuentes a cuestiones importantes sobre AI Studio y la relación con los profesionales de la locución y los clientes. No solo queremos analizar esta información con más detalle, sino también ofrecer una valoración crítica y práctica de cómo se desenvuelve la plataforma en el uso cotidiano.
¿Qué es AI Studio?
AI Studio de Voices.com se presenta como una plataforma que permite a los clientes escuchar muestras, comprar y descargar las voces «clonadas» de locutores profesionales mediante la conversión de texto a voz (TTS). Para los propios locutores y locutoras, esta propuesta pretende ser una nueva fuente de ingresos al poner sus voces a disposición del proceso de clonación. Pero ¿qué calidad tienen los archivos de audio generados? ¿Puede AI Studio alcanzar realmente el nivel de los textos locutados por profesionales? Analizaremos estas cuestiones en detalle a lo largo de nuestra prueba.
Nuestra experiencia con la beta de AI Studio
Una vez iniciada la sesión en la plataforma beta, el proceso comienza con una pregunta sencilla: ¿qué tipo de proyecto quieres crear? A continuación se presenta una selección limitada de voces, actualmente unas 10 opciones diferentes. Cada voz cuenta con sus propias demos, de modo que puedes ir escuchando los ejemplos y hacerte una idea de su «personalidad». Tras elegir una voz, pasas al siguiente paso, en el que puedes introducir el texto que se va a locutar. Además, la interfaz permite añadir pausas y ajustar el énfasis de forma individual.
Fuente: https://www.voices.com/studio?utm_source=voicesai&utm_medium=email&utm_campaign=voicesai_early_access
A continuación puedes escuchar una muestra del texto introducido. Sin embargo, en el momento de redactar este artículo todavía no era posible descargar el archivo de audio generado. Por tanto, no está claro en qué medida difiere la calidad de la «muestra» de la del audio final que se puede comprar. Lo que sí queda claro es que la IA de Voices.com ofrece resultados comparables a los de otras herramientas de IA disponibles actualmente en el mercado. Así pues, al menos en la fase beta, no parece ofrecer una ventaja significativa en cuanto a calidad. Eso sí, en Voices.com se puede identificar a los artistas que hay detrás de las voces de IA como personas concretas.
La calidad del audio generado por la IA en fase beta de Voices.com
Como actualmente aún no es posible pagar y descargar las voces generadas en Voices.com, por motivos legales no podemos presentar aquí ejemplos de audio (todavía). En su lugar, queremos compartir nuestra experiencia con las muestras generadas en la plataforma.
- El énfasis básico y la naturalidad del audio generado por la IA son comparables a los de otros generadores de voz a partir de texto.
- Como cabía esperar, las voces generadas por IA carecen de la capacidad de tener en cuenta el contexto que aportaría un locutor profesional. En consecuencia, a menudo el énfasis no se coloca donde sería deseable en un contexto profesional.
- A veces aparecen pequeños artefactos, especialmente al principio o al final de las palabras.
- Editar las pausas resulta laborioso, pero en general funciona bastante bien.
- La calidad del audio varía de una voz a otra, lo que podría deberse a diferencias en el material de entrenamiento o en el equipo de cada locutor.
- Para frases cortas y aplicaciones sencillas, la IA parece bastante útil. Sin embargo, está muy lejos de hacer audible el subtexto o de despertar emociones de forma intencionada.
- Actualmente, esta IA no parece adecuada para construir una identidad de marca, y sigue siendo dudoso que la IA llegue alguna vez a cumplir los requisitos necesarios para ello.
- La descarga del audio generado resulta relativamente cara en comparación con otras herramientas de IA. Por ejemplo: una tarifa de $0,50 por palabra para una voz llamada Rachael West supuso, en nuestro caso, un coste de $72,80 por un guion de 140 palabras.
En conjunto, podemos afirmar que la IA de Voices.com muestra potencial en su versión beta actual, pero todavía presenta algunas carencias que requieren mejoras. Además, Voices.com destaca en su propio artículo del blog:
«Para experiencias de escucha más largas, sigue sin haber un sustituto adecuado de la voz humana real. En ámbitos como la formación corporativa, los contenidos educativos o los anuncios públicos, cuyo objetivo es informar, o en cualquier contenido que busque inspirar o entretener, debería ser una voz real y dinámica la que lo transmita».
https://www.voices.com/blog/your-ai-voice-questions-answered/
La ética detrás del enfoque de Voices.com
Voices.com hace especial hincapié en actuar de forma ética. Así, el consentimiento, el reconocimiento y la remuneración son – precisamente – principios fundamentales en la colaboración con los profesionales de la locución.
La transparencia con la que Voices.com comunica sus principios éticos es digna de elogio, y la idea de crear una fuente sencilla de ingresos para los locutores también suena bien. Los profesionales de la locución pueden incluso utilizar filtros de restricción para controlar qué palabras puede decir su voz clonada y cuáles no. Una vez finalizado un proyecto, también pueden consultar el guion utilizado.
Conclusión: voces de IA frente a voces humanas
Con la introducción de voces generadas por IA, Voices.com demuestra al menos su voluntad de ofrecer a los locutores una nueva fuente de ingresos. Es algo digno de elogio en un momento en el que la IA se utiliza cada vez más en distintos ámbitos. También es positivo que Voices.com haya establecido directrices éticas para colaborar con los profesionales de la locución, incluida la intención de remunerarlos por el uso de sus voces.
No obstante, hay que decirlo claramente: en su fase beta actual, la tecnología de IA de Voices.com sencillamente no está lo suficientemente madura para aplicaciones profesionales. Desde una calidad de audio irregular hasta artefactos no deseados y una capacidad insuficiente para transmitir emociones o subtexto de forma eficaz, las voces generadas en las muestras están muy lejos de sustituir a un locutor humano real. Además, el coste de descargar los archivos de audio finales parece desproporcionadamente alto en comparación con otros proveedores.
En resumen, aunque la idea y las consideraciones éticas que sustentan el proyecto son dignas de elogio, su ejecución todavía tiene un largo camino por recorrer para resultar realmente atractiva para aplicaciones profesionales.
Después de tanto parloteo de IA, ¿os apetece escuchar voces humanas de verdad? Podéis escuchar unas cuantas voces humanas reales de gran calidad en el directorio de artistas de Audiobird.com.
