Como autor de un curso, quieres hacer algo más que presentar información: quieres crear experiencias de e-learning multisensoriales que atraigan a los alumnos. Utilizar el sonido de forma creativa puede ayudarte a conseguirlo. Las funciones de conversión de texto a voz y efectos de sonido de AI Assistant te permiten crear voces y efectos de sonido altamente realistas generados por IA para lograr un contenido más envolvente y accesible.

Originalmente, solo se podía acceder a estas dos funciones en Storyline 360. Sin embargo, a partir de la actualización de julio de 2025, el AI Assistant de Rise 360 puede generar narraciones de texto a voz. Visita esta guía del usuario para empezar a crear narraciones generadas por IA en Rise 360.

En Storyline 360, se puede acceder a estas funciones desde el menú desplegable Insertar audio del menú AI Assistant de la cinta. Encuéntralas en las pestañas Inicio o Insertar cuando estés en la vista diapositiva o chatea con AI Assistant en el panel lateral para mayor comodidad.

Da vida a la narración con voces generadas por IA

Si alguna vez has utilizado la clásica conversión de texto a voz, probablemente desearías que las voces sonaran menos, bueno, robóticas. La conversión de texto a voz de AI Assistant da vida a la narración con voces generadas por la IA sensibles al contexto que suenan de forma más natural, ¡y humana! Comprueba la diferencia de calidad entre una voz estándar, una voz neuronal y una voz generada por IA haciendo clic en los enlaces a los ejemplos de conversión de texto a voz que aparecen a continuación.

• Voz estándar
• Voz neuronal
• Voz generada por IA

Para empezar, haga clic en el icono Insertar audio en el menú AI Assistant para abrir el cuadro de diálogo Generar audio AI. En la pestaña Voces aparece una biblioteca de voces generadas por IA, que puedes filtrar por género, edad y acento. Las voces también tienen descripciones como «profunda», «segura», «nítida», «intensa» y «relajante», y categorías que pueden ayudarte a determinar sus casos de uso ideales, desde emisiones de noticias hasta meditación o incluso ASMR. Encuentra estas cualidades debajo del nombre de la voz y usa el botón de reproducción para previsualizar la voz.

Actualmente, hay 52 voces prediseñadas entre las que elegir, y puedes marcar tus favoritas haciendo clic en el icono del corazón. De esta forma, podrás acceder fácilmente a tus voces preferidas sin tener que desplazarte por la lista. Ten en cuenta que las voces etiquetadas como «Legacy» no se actualizarán cuando los futuros modelos de IA mejoren.

Cambia la opción Ver a Favoritos para encontrar todas tus voces favoritas o En proyecto para ver las voces utilizadas en el proyecto actual. Cuando te hayas decidido por una voz, haz clic en el botón Usar para pasar a la pestaña de conversión de texto a voz. La voz que has elegido ya está preseleccionada.

A continuación, introduzca el guion en el cuadro de texto correspondiente o haga clic en el enlace agregar desde notas de diapositiva para copiar las notas de la diapositiva. El guion puede tener un máximo de 5000 personajes. Por motivos de accesibilidad, deja marcada la casilla Generar subtítulos opcionales: AI Assistant generará subtítulos opcionales automáticamente. Puedes determinar al instante si tu narración de conversión de texto a voz tiene subtítulos opcionales mediante la etiqueta CC que aparece junto a cada salida.

Encuentra más voces en la biblioteca de voces

Además de las voces prediseñadas, también tienes acceso a una biblioteca de voces ampliada con miles de voces ultrarrealistas generadas por IA que se pueden filtrar por edad, sexo y caso de uso. Descubre la voz adecuada para tu contenido en la biblioteca de voces consultando las siguientes guías de usuario.

• Biblioteca de voz en Rise 360

• Biblioteca de voz en Storyline 360

Periodo de notificación de eliminación de voz

Es posible que una voz tenga un período de preaviso, que especifica durante cuánto tiempo podrás acceder a la voz si su creador decide eliminarla de la biblioteca de voces. Cuando eso suceda, la voz eliminada ya no estará disponible en la biblioteca. Si la has añadido anteriormente a Mis voces en Storyline 360 o a Favoritos en Rise 360, la voz eliminada seguirá apareciendo en tu lista y podrás usarla para generar contenido nuevo, pero en Storyline 360 verás una advertencia y la fecha en que ya no está disponible. Cuando venza el período de preaviso, la voz mostrará un error y ya no se podrá previsualizar ni usar para generar contenido nuevo. Puedes eliminarla para liberar uno de tus espacios de voz personalizados.

La mayoría de las voces tienen períodos de preaviso, pero otras no. Las voces sin un período de preaviso desaparecen inmediatamente de la biblioteca de voces si el creador de la voz decide eliminarlas. El contenido generado con una voz que se haya eliminado de la biblioteca de voces seguirá funcionando como un archivo de audio normal.

Ajusta la configuración de voz

A diferencia de la conversión de texto a voz clásica, las voces generadas por la IA en la conversión de texto a voz de AI Assistant se pueden personalizar para obtener un rendimiento de voz personalizado. La configuración del modelo te permite elegir entre tres opciones diferentes:

• v3 (beta): la versión más expresiva, de alto rango emocional y comprensión contextual en más de 70 idiomas. Permite un máximo de 3000 personajes. Tenga en cuenta que este modelo se está desarrollando activamente. Es posible que las funcionalidades cambien o que se produzca un comportamiento inesperado a medida que sigamos mejorándolas. Para obtener los mejores resultados, consulta algunas de las siguientes técnicas de asesoramiento.
• Multilingüe v2 (modelo predeterminado): voz realista altamente estable y excepcionalmente precisa con soporte técnico para 29 idiomas. Permite un máximo de 10 000 personajes.
• Flash v2.5: ligeramente menos estable, pero se puede generar más rápido con soporte técnico para 32 idiomas. Permite un máximo de 40 000 personajes.

Consejo profesional: Algunas voces suenan mejor con algunos modelos y otros funcionan mejor en idiomas específicos. Experimenta con diferentes combinaciones para encontrar la que funcione mejor. Por ejemplo, la voz de Matilda suena más natural en español con el modelo Multilingual v2 que con el v3.

El ajuste de estabilidad controla el equilibrio entre la estabilidad y la aleatoriedad de la voz. La velocidad marca el ritmo y la similitud determina hasta qué punto AI Assistant debe ceñirse a la voz original al replicarla.

Los ajustes adicionales incluyen la exageración de estilo, que amplifica el estilo de la voz original, y el refuerzo del altavoz, que mejora la similitud entre la voz sintetizada y la voz. Tenga en cuenta que si se ajusta alguno de estos ajustes, la generación de la voz tardará más tiempo.

Experimenta con estos ajustes para encontrar el equilibrio adecuado para tu contenido. En la siguiente tabla se describe el valor predeterminado del deslizador para cada configuración. Para el modelo v3, la estabilidad es la única opción disponible.

Nota: Algunas voces del modelo multilingüe v2 tienden a tener un volumen incoherente (se desvanece hacia el final) cuando se generan clips largos. Este es un problema conocido del modelo subyacente, y nuestro subprocesador de IA para la conversión de texto a voz está trabajando para solucionarlo. Mientras tanto, sugerimos las siguientes soluciones alternativas:

• Usa una voz diferente
• Cambie al modelo Flash v2.5
• Aumenta la estabilidad de la voz
• Divida manualmente el texto en trozos más pequeños para generar clips más cortos

¿Necesito usar SSML?

AI Assistant tiene un soporte técnico limitado para el lenguaje de marcado de síntesis de voz (SSML) porque las voces generadas por IA están diseñadas para comprender la relación entre las palabras y ajustar la pronunciación en consecuencia. Si necesitas controlar el ritmo manualmente, puedes agregar una pausa. La forma más coherente de hacerlo es insertando la sintaxis <break time="1.5s" /> en el script. Esto crea una pausa exacta y natural en el discurso. Por ejemplo:

Con sus agudos sentidos, <break time="1.5s" /> los gatos son hábiles cazadores.

Usa segundos para describir una pausa de hasta tres segundos de duración.

Puedes probar con un simple guión - o con un em-dash — para insertar una pausa breve o varios guiones para una pausa más larga. A veces, ... los puntos suspensivos también funcionan para agregar una pausa entre las palabras. Sin embargo, es posible que estas opciones no funcionen de forma coherente, por lo que recomendamos utilizar la sintaxis anterior para mantener la coherencia. Ten en cuenta que un número excesivo de etiquetas de interrupción puede provocar inestabilidad.

Técnicas de asesoramiento para la versión 3 (beta)

El modelo v3 (beta) introduce el control emocional mediante etiquetas de audio, que permiten a las voces reír, susurrar, ser sarcásticas o mostrar curiosidad, entre otras opciones.

En la siguiente tabla se enumeran varias etiquetas que puede utilizar para controlar la voz y la expresión emocional, así como para agregar sonidos y efectos de fondo. También incluye algunas etiquetas experimentales para usos creativos.

Además de las etiquetas de audio, la puntuación también afecta a la reproducción. Los puntos suspensivos (...) agregan pausas, las mayúsculas enfatizan palabras o frases específicas y la puntuación estándar imita el ritmo natural del habla. Por ejemplo: «¡Tuvo MUCHO éxito! ... [comienza a reír] ¿Puedes creerlo?»

Consejos:

• Usa etiquetas de audio que coincidan con la personalidad de la voz. Una voz tranquila y meditativa no gritará, y una voz con mucha energía no susurrará de manera convincente.
• Las indicaciones muy breves pueden provocar resultados inconsistentes. Para obtener un resultado más coherente y centrado, sugerimos mensajes de más de 250 caracteres.
• Es posible que algunas etiquetas experimentales sean menos consistentes en todas las voces. Pruébelo minuciosamente antes de usarlo.
• Combine varias etiquetas para lograr una entrega emocional compleja. Prueba diferentes combinaciones para encontrar la que mejor se adapte a la voz que has seleccionado.
• La lista anterior es simplemente un punto de partida; es posible que existan etiquetas más eficaces. Experimenta combinando estados emocionales y acciones para encontrar la que mejor se adapte a tu caso de uso.
• Usa un lenguaje natural, una puntuación adecuada y señales emocionales claras para obtener los mejores resultados.

Las voces multilingües amplían su alcance

Otra ventaja convincente de la conversión de texto a voz generada por la IA es la capacidad de cerrar las brechas lingüísticas, lo que le permite conectarse con audiencias internacionales. Con soporte técnico para más de 70 idiomas según el modelo, incluidos algunos con varios acentos y dialectos, la conversión de texto a voz de AI Assistant ayuda a que tu contenido llegue a una audiencia global.

Todo lo que tienes que hacer es escribir o pegar tu script en el idioma compatible que quieras que utilice AI Assistant. (Aunque la descripción de la voz indique un acento o idioma específicos, AI Assistant generará la narración en el idioma utilizado en el guion). Ten en cuenta que algunas voces suelen funcionar mejor con determinados acentos o idiomas, así que no dudes en experimentar con diferentes voces para encontrar la que mejor se adapte a tus necesidades.

La siguiente tabla proporciona un resumen rápido de los idiomas compatibles.

Disponible en la versión 3 (beta), Multilingual v2 y Flash v2.5: