Saltar al contenido

Diseña la voz de cada personaje en un vídeo con IA: tipo de voz, acento y tus propias palabras

8 min de lectura

Por Nureta TeamActualizado el 18 de noviembre de 2026

Sí. Desde el 2026-11-18, cada tarjeta de persona de la página Crear de Nureta tiene una fila plegada, Diseña su voz (opcional). Elige un tipo de voz, elige un acento o describe la voz con tus palabras en hasta 60 caracteres. Cada persona del vídeo puede sonar distinta, y cada clip pide esa misma voz, así que una persona suena igual de la primera escena a la última. Esta guía explica las opciones, cómo se mantiene la misma voz, por qué un acento no cambia el idioma, lo que la opción no hace y cómo escribir diálogos que suenen bien. Una voz solo se oye cuando la persona tiene frases, así que esta guía también muestra cómo hacer hablar a cada persona, con muchos ejemplos.

Nureta es la plataforma de vídeo NSFW con IA sin filtros No.1, con la confianza de más de 100.000 usuarios. Texto a vídeo e imagen a vídeo, hasta 3 minutos.

¿Quieres probar? Pega tu historia y mira cómo se convierte en vídeo.

Crea tu primer vídeo

Voces de los personajes: los datos

Esto es lo que hace la opción de voz, en una tabla, comprobado en la app el 2026-11-18.

Voces de los personajes: los datos
Dato (comprobado el 2026-11-18)Nureta
DóndeCrear: en cada tarjeta de persona, la fila Diseña su voz (opcional)
Tipos de voz para una mujerSuave y susurrante, ronca y grave, cálida y madura, brillante y juguetona, serena y pausada, segura y sensual
Tipos de voz para un hombreGrave, tranquila, áspera, ligera
AcentosEstadounidense, australiano, brasileño, británico, chino, neerlandés, francés, alemán, de la India, irlandés, italiano, japonés, coreano, ruso, español
Con tus palabrasHasta 60 caracteres, por ejemplo «algo ronca, se ríe bajito»
Nada elegidoAutomático: el modelo de vídeo elige una voz
Por personaSí. Cada persona del vídeo puede tener una voz distinta
En cada clipCada clip pide la misma voz para esa persona
Idioma habladoEl idioma en que escribes los diálogos. El ajuste de voz nunca lo cambia
De dónde sale la vozDel propio modelo de vídeo. No se suben voces ni se clonan voces
Notas de voz rechazadasUna voz infantil, o la voz de una persona real o con nombre
Coste extraNinguno. El precio depende solo de la duración y la resolución

Dónde está la opción de voz

Abre Crear y añade a las personas en Quién sale. Cada tarjeta de persona tiene un nombre, una foto, la fila Aspecto y ropa (opcional) y la fila Diseña su voz (opcional). Ábrela y verás tres partes. Puedes usar una, dos, las tres o ninguna.

Tipo de voz es una lista corta que depende de la persona: seis tipos para una mujer (suave y susurrante, ronca y grave, cálida y madura, brillante y juguetona, serena y pausada, segura y sensual) y cuatro para un hombre (grave, tranquila, áspera, ligera). Acento tiene 15 opciones: estadounidense, australiano, brasileño, británico, chino, neerlandés, francés, alemán, de la India, irlandés, italiano, japonés, coreano, ruso y español. Con tus palabras es una nota libre de hasta 60 caracteres para lo que no cubren las listas, como «algo ronca, se ríe bajito» o «habla despacio, casi en un susurro». Si lo dejas todo en Automático, el modelo de vídeo elige una voz, como antes de que existiera esta opción.

Ya has diseñado la voz. Ahora haz que hablen

Una voz solo se oye cuando una persona tiene algo que decir. Si tu historia no tiene frases habladas y no pide que nadie hable, nadie habla: el vídeo tiene respiración, gemidos y sonido ambiente, pero ninguna palabra. Así que, después de diseñar una voz, dale frases a esa persona. Hay tres formas.

Forma 1: llaves. Pon las palabras exactas entre llaves después del nombre de quien habla: Lena susurra {Ven aquí.} Todo lo que va entre llaves es una frase hablada, en cualquiera de los seis idiomas. Es la forma más segura y la que recomendamos.

Forma 2: comillas junto a un verbo de habla. En inglés, una frase entre "quotation marks" cuenta cuando una palabra como says, asks, whispers, moans o shouts va justo antes o justo después: Maya says "Not yet." o "Not yet," Maya says. En chino, una cita justo después de 说, 喊, 问 o 道 también cuenta. En español, usa llaves. Una cita sin un verbo de habla al lado, como una luz "golden hour", no se lee como una frase.

Forma 3: pide que hablen y deja que Nureta escriba las palabras. Si tu historia dice que las personas hablan pero no da las palabras exactas, por ejemplo «coquetean y hablan en voz baja» o «ella le susurra algo», Nureta les escribe frases cortas. Usa esta forma cuando las palabras exactas no te importen.

Cada frase que escribes se dice una vez, en el orden en que la escribes. Las palabras se generan junto con la imagen, así que las frases cortas salen con más fiabilidad, y la forma de decirlas puede variar un poco respecto a lo que escribiste.

Ejemplos: de una frase a una conversación entera

Una persona, una frase. Reparto: Lena, suave y susurrante, acento francés. Historia: «Lena mira a la cámara y susurra {Te estaba esperando.}» Lena dice esta única frase, en español, con acento francés.

Primero la frase. «{Cierra la puerta}, dice Maya, sin levantar la vista.» Quien habla puede ir después de la frase, como en una novela.

Di cómo lo dicen. «Jon se echa hacia atrás y dice despacio, con una sonrisa, {Oblígame.}» Palabras como despacio, en voz baja, en broma, riendo o sin aliento dan forma a cómo se dice esa frase. El tipo de voz no cambia.

Dos personas hablan en un clip. «Primer plano, los dos en el plano. Jon pregunta {¿Estás segura?} Lena sonríe y dice {Muy segura.}» Dos frases cortas caben en un clip de 5 segundos. Dale a cada frase su propio hablante.

Un guion con nombres. «Maya: {Llegas tarde.} Jon: {He traído vino.} Maya: {Entonces estás perdonado.}» Un nombre y dos puntos antes de una frase también indican quién habla. Reparte tres frases como estas en un clip de 10 o 15 segundos.

Tres personas, tres voces. «Plano general, los tres en el plano. Maya levanta su copa y dice {Por las malas decisiones.} Lena se ríe y dice {Solo por las buenas.} Primer plano de Jon. Dice {Entonces esta es muy buena.}» Cada frase va a la voz de quien la dice.

Otro idioma. «Lena dice {Come here.}» La frase está en inglés, así que Lena habla inglés, todavía con su acento francés. «Jon dice {我想你了。}» La frase está en chino, así que Jon habla chino, todavía con su voz grave. Puedes mezclar idiomas entre personas y entre escenas.

Una frase en cada escena. «Escena 1 (Bar): Maya dice {¿Me invitas a una copa?} Escena 2 (Taxi): Jon susurra {¿Tu casa o la mía?} Escena 3 (Habitación): Lena se ríe y dice {La mía.}» En un vídeo largo, cada persona mantiene la voz que diseñaste en cada escena en la que habla.

Hablar, sin palabras exactas. «Se sientan muy cerca en la barra, coqueteando y hablando en voz baja.» No se da ninguna frase, así que Nureta escribe frases cortas con sus voces.

Silencio a propósito. «Sin hablar.» o «Ella se queda en silencio.» Nadie habla en esa parte: solo se oyen respiración, gemidos y sonido ambiente.

Por qué una voz no habla y cómo arreglarlo

1. Ninguna frase y nadie habla. La historia nunca da una frase y nunca pide que nadie hable, así que no hay palabras. Solución: añade una frase entre llaves.

2. Una cita sin verbo de habla. No es seguro que Lena «ven aquí» se lea como una frase. Solución: escribe Lena dice {Ven aquí.}

3. No queda claro quién habla. Con dos o tres personas en el plano, una frase sin un nombre delante puede ir a la persona equivocada. Solución: nombra a quien habla antes de cada frase.

4. Demasiadas palabras para el clip. Un discurso largo en un clip de 5 segundos es menos fiable. Solución: pon una o dos frases cortas cada 5 segundos, o haz el clip más largo.

5. La historia dice silencio. Palabras como «no dice nada», «sin hablar» o «se queda en silencio» quitan las palabras de esa parte. Solución: elimínalas donde quieras una frase.

Cómo se mantiene la misma voz en cada clip

Un modelo de vídeo hace unos pocos segundos cada vez, y cada clip es una generación aparte que no recuerda nada del clip anterior. Sin una descripción fija, la voz de una persona puede cambiar entre escenas igual que una chaqueta. Nureta convierte lo que eliges en una descripción corta por persona, por ejemplo «grave, ronca, ahumada; acento británico; se ríe bajito», y la escribe en el prompt de cada clip en el que aparece esa persona. Para mantener iguales también las caras, la ropa y los lugares, lee la biblia de continuidad.

Así la voz se mantiene parecida de una escena a otra, pero se genera, no se graba. El modelo sigue la descripción de cerca, pero dos tomas nunca son idénticas, igual que dos tomas de un actor tampoco lo son. No hay una vista previa de la voz antes de renderizar el vídeo. Si una parte sale con la voz equivocada, Arreglar una parte rehace solo los clips que elijas, y cada vídeo de pago incluye arreglos gratis: lee arreglos gratis para vídeos largos.

El acento y el idioma no son lo mismo

El idioma hablado siempre sigue los diálogos que escribes. Si escribes la frase de Anna en español, habla español. Si además le pones acento británico, habla español con un acento que suena inglés. El ajuste de voz nunca traduce una frase ni cambia su idioma.

Así que, para que una persona hable otro idioma, escribe la frase en ese idioma. Para que una persona suene como si viniera de algún lugar, elige el acento. Puedes escribir los diálogos en inglés, chino, japonés, coreano, ruso o español. La calidad de la voz varía según el idioma y la escena, y hoy el inglés es el más maduro. Sobre el sonido en general, lee vídeo para adultos con IA con sonido y voz.

Lo que la opción de voz no hace

No clona voces. No puedes subir una grabación, y la voz no se copia de nadie. Sale del modelo de vídeo, guiada por tu descripción.

No imita a personas reales. Una nota que pide una voz infantil, o la voz de una persona real o con nombre, como «suena como» seguido de un nombre, se rechaza, y puedes editar la nota y volver a intentarlo. Describe el sonido: «grave y ahumada» funciona; el nombre de un famoso, no. La política de contenido se aplica a cada vídeo: solo adultos de 18 años o más, ficticios o con consentimiento, y ninguna persona real o famosa sin su consentimiento.

5 pasos para voces que suenen bien

1. Elige primero un tipo de voz y después un acento. El tipo de voz fija el sonido; el acento, de dónde parece venir la persona. Usa Con tus palabras solo para lo que no cubren las listas, como una risa o la velocidad al hablar.

2. Haz que las voces sean distintas a propósito. Con dos o tres personas, dale a cada una una voz fácil de distinguir: por ejemplo, una suave y susurrante, una serena y pausada, y una grave. Tres voces parecidas cuestan de seguir. Para repartos de hasta 3 personas, lee 3 personas en un vídeo con IA.

3. Nombra a quien habla antes de cada frase. Pon cada frase hablada entre llaves después del nombre de quien la dice: Lena whispers {Come here.} Una frase sin un hablante claro puede ir a la persona equivocada.

4. Escribe frases cortas. Una o dos frases cortas por clip de 5 segundos son suficientes. Los discursos largos son menos fiables.

5. Prueba un clip corto cuando una voz importe. Haz primero un clip de 5 segundos y después la versión larga. No hay vista previa antes de renderizar, así que una prueba corta es la forma más barata de oír la voz.

Un ejemplo: una escena, tres voces

Este es un reparto y una escena corta escritos con estos pasos. Está en inglés, pero puedes escribir la tuya en cualquiera de los seis idiomas.

Reparto. Lena: mujer, tipo de voz suave y susurrante, acento francés. Maya: mujer, tipo de voz serena y pausada, acento estadounidense, con sus palabras «humor seco, risa grave». Jon: hombre, tipo de voz grave, acento irlandés.

Escena 1 (bar en una azotea, al anochecer): plano general, los tres en el plano. Maya levanta su copa y dice {To bad decisions.} Lena se ríe y dice {Only the good ones.} Primer plano de Jon. Sonríe y dice {Then this is a very good one.}

Cada persona tiene un tipo de voz y un acento que los demás no tienen, así que las tres voces son fáciles de distinguir. Las tres frases están en inglés, así que los tres hablan inglés: Lena con acento francés, Maya con acento estadounidense y Jon con acento irlandés. En un vídeo más largo, cada uno mantiene esa voz en todas las escenas.

Preguntas frecuentes

¿Puedo elegir la voz de un personaje en un vídeo con IA?
Sí. En la página Crear de Nureta, cada tarjeta de persona tiene la opción Diseña su voz. Elige un tipo de voz, como ronca y grave o grave, elige un acento o describe la voz en hasta 60 caracteres. Cada clip pide esa voz, así que la persona suena igual en todas las escenas.
He diseñado una voz, pero mi personaje no habla. ¿Por qué?
Una voz solo se oye cuando la persona tiene frases. Si la historia no tiene ninguna frase hablada y no pide que nadie hable, el vídeo tiene respiración, gemidos y sonido ambiente, pero ninguna palabra. Añade una frase entre llaves después del nombre de quien habla, por ejemplo Lena dice {Ven aquí.}
¿Cómo hago que un personaje diga una frase exacta?
Pon las palabras entre llaves después del nombre de quien habla: Maya susurra {Todavía no.} Esto funciona en los seis idiomas. En inglés, una frase entre comillas justo al lado de una palabra como says o whispers también cuenta. En español, usa llaves. Cada frase se dice una vez, en el orden en que la escribes.
¿Cada persona del vídeo puede tener una voz distinta?
Sí. La voz se elige por persona, así que en un vídeo con 3 personas cada una puede tener su propio tipo de voz, acento y nota. Haz que las voces sean claramente distintas para que se sepa quién habla.
¿El acento cambia el idioma en que hablan?
No. El idioma hablado sigue los diálogos que escribes. Una frase en español con acento británico se dice en español con un acento que suena inglés. Para cambiar el idioma, escribe la frase en ese idioma.
¿Puedo subir o clonar una voz?
No. No se pueden subir voces ni clonarlas. El modelo de vídeo genera la voz a partir de tu descripción. Una nota que pide una voz infantil o la voz de una persona real o con nombre se rechaza.
¿La voz es exactamente igual en todas las escenas?
Es muy parecida, pero no idéntica. Cada clip pide la misma descripción de voz, y el modelo la sigue de cerca, pero se genera, no es un clon. No hay vista previa antes de renderizar. Si una parte suena mal, Arreglar una parte rehace solo esa parte.
¿Una voz personalizada cuesta más?
No. El precio depende solo de la duración y la resolución del vídeo. En 480p, 5 segundos cuestan $1.29 si pagas por vídeo, y los paquetes de créditos salen más baratos.

Colecciones de escenas relacionadas

Escribe tu propia escena

Inicia sesión con Google y tu primer video de 5 segundos es gratis.

O empieza desde una escena real

  • Ejemplo 1

  • Ejemplo 2

  • Ejemplo 3

Ver más ejemplos

¿Quieres probarlo?

Pega una historia y mírala convertirse en escena: inicia sesión y tu primer vídeo es gratis.

Empezar a crear

Más guías