Crea escenas habladas con texto a voz e IA

El flujo Speech admite un guion escrito, una voz TTS integrada seleccionada y un vídeo de origen. Utilízalo cuando la escena necesite una frase hablada concreta en vez de sonido de fondo indefinido. Escribe las palabras que quieres que se digan y comprueba pronunciación, ritmo y adecuación al plano. Las frases cortas son más fáciles de revisar que un párrafo denso. Si un nombre o una abreviatura no se pronuncia bien, cambia la grafía y prueba otra vez. Revisa el tiempo de los labios, los cambios faciales y cualquier defecto visual.

Si ya tienes la interpretación, el flujo Speech también acepta audio subido en formatos compatibles. La API documentada admite voces integradas y voces personalizadas creadas a partir de muestras de audio aportadas. Elige la opción que corresponda al material disponible y a la voz que tengas permiso para utilizar. Una voz personalizada exige preparación y un identificador propio de la cuenta; no se elige escribiendo el nombre de una persona. Comprueba pronunciación y tiempos de la entrega final, y relaciona guion, fuente de audio y voz con el vídeo correcto.

Usa una frase concisa para explicar el punto central de una escena de producto o campaña. Mantén las afirmaciones habladas idénticas al texto aprobado y no metas varios mensajes en una sola frase. Comprueba si se habla demasiado rápido para el plano. La exactitud del producto, la pronunciación clara y una persona que se vea bien importan más que una interpretación exagerada.

Escribe el diálogo según la intención inmediata del personaje. Elige una escena donde se vea bien a quien habla y prueba la frase y la voz junto a la acción. El texto a voz puede crear un momento hablado con guion, pero no sustituye la dirección ni la revisión de la interpretación. Escucha los énfasis y observa los labios a la vez. Si la voz distrae de la historia, acorta la frase o cambia de plano.

Divide la explicación en unidades habladas breves, cada una dedicada a una idea. Crea una escena adecuada y organiza el material largo según lo que necesite el público. No presupongas que una solicitud TTS breve admite un artículo entero. Mantén la exactitud de las instrucciones importantes y añade subtítulos legibles en el montaje final para que el mensaje se entienda sin sonido.

La generación de audio nativo y la sincronización labial TTS con guion son opciones creativas distintas. Usa texto a voz cuando deban decirse unas palabras exactas y la escena muestre a una persona que habla. Usa audio nativo de un modelo compatible para una generación audiovisual más amplia y revisa lo que realmente se produzca. La música o el sonido ambiente no garantizan un guion palabra por palabra. Comprueba inteligibilidad, énfasis y pausas. Si el mensaje incluye nombres, cifras, datos del producto o indicaciones de seguridad, examina esas palabras con especial cuidado antes de aprobarlo.

Puedes crear primero la escena visual con el generador de vídeo con IA y después añadir una intervención con guion. La API Speech documentada acepta un vídeo creado con PixVerse o material subido compatible, más un audio terminado o un guion con identificador de voz. Su guía indica MP4, MOV y WebM para vídeo y MP3, WAV, M4A y AAC para audio, con límites de tamaño y duración propios de ese endpoint. No extiendas estas reglas a otros modos. En una integración, comprueba la finalización y recupera el resultado antes de revisarlo: una solicitud aceptada no es un vídeo terminado ni aprobado.

Prueba un mensaje breve aprobado con una escena y voz adecuadas. Un borrador permite al equipo valorar cómo se combinan palabras, ritmo e imagen. Contrasta nombres de producto, precios y ofertas con materiales aprobados en vez de confiar en la interpretación generada. Compara distintas frases sobre el mismo planteamiento y termina la revisión de audio y subtítulos antes de publicar.

Da al personaje una frase que haga avanzar la escena. Deja la emoción deseada en el planteamiento creativo y las palabras reales en el campo del guion. Comprueba el ritmo, la expresión y la coherencia con los planos cercanos. Una frase corta puede comunicar mejor que una explicación extensa, sobre todo si las imágenes ya establecen el escenario o el objetivo del personaje.

Construye una explicación breve con un guion exacto y una persona que hable de forma visible. Genera el segmento hablado y añade imágenes de apoyo y subtítulos en el montaje final. Revisa la claridad del mensaje en lugar de asumir que generar voz facilita automáticamente los temas difíciles. Mantén el contexto necesario y comprueba si se entiende el contenido sin sonido.