Cómo nace una voz: del habla de origen a la ficha del catálogo

Abres el catálogo de voces, pulsas reproducir y oyes un timbre limpio y natural. Parece que la voz simplemente «está ahí». En realidad, cada voz es el producto de una cadena de varias etapas: desde la selección del habla de origen hasta la masterización final. Así es cómo nace una voz en HancVoice, sin magia, paso a paso.

Paso 1. De dónde sale el habla de origen

Una voz no se inventa de la nada: surge de habla humana real. Las fuentes son conjuntos de datos de voz abiertos y con licencia, cuyas grabaciones pueden usarse legalmente. La regla clave: nunca recreamos la voz de una persona real sin su consentimiento. Si creas tu propia voz, subes tu propia muestra y confirmas tu consentimiento, conforme al RGPD. Sin consentimiento, el sistema no construye el modelo.

Paso 2. Selección: no todas las grabaciones pasan el corte

El primer filtro es la calidad del material de origen. Antes de construir una voz, la cadena comprueba la «presencia» en la grabación: ¿hay suficiente habla limpia e inteligible, sin ruido de fondo, música ni cortes? Las grabaciones que no superan este filtro se descartan de inmediato: arrastrar material flojo por la cadena no tiene sentido, porque los defectos acabarían apareciendo en el resultado final.

Paso 3. La huella digital del timbre

A continuación, el motor escucha el habla seleccionada y construye una huella digital compacta de la voz: una descripción matemática del timbre de apenas unos kilobytes. Es la que guarda todo lo que hace reconocible una voz: tono, color, carácter. Todas estas huellas van a un banco común y, al sintetizar, el motor elige la adecuada y «pronuncia» con ella cualquier texto. Un motor, cientos de voces, cada una con su propia huella.

Una voz del catálogo no es un conjunto de frases grabadas, sino una huella del timbre. Por eso una sola voz puede leer cualquier texto, incluso uno que el hablante original nunca dijo.

Paso 4. Control de calidad: cómo medimos la «limpieza»

El oído es subjetivo, así que también medimos la calidad. Una síntesis de prueba de cada voz nueva pasa por una evaluación neuronal de la limpieza del audio, que da una puntuación objetiva: lo limpia que suena la voz, sin ruido ni artefactos. La puntuación se ajusta al idioma, porque «limpio» no suena igual en alemán que, por ejemplo, en japonés. Las voces por debajo del umbral nunca llegan al escaparate: vuelven a revisión o se descartan.

Paso 5. Masterización: para que todo suene uniforme

La última etapa lleva todas las voces a un denominador común. Se iguala la sonoridad y se normaliza el sonido, de modo que en el catálogo no haya voces «bajitas» ni «gritonas» y puedas comparar timbres en igualdad de condiciones. Es la misma lógica que la masterización en música: técnicamente todo está listo, pero es el acabado uniforme lo que separa un resultado profesional de uno en bruto.

Paso 6. La ficha del catálogo: idioma y nivel

La voz terminada recibe una ficha con el género, el idioma y una descripción del timbre, y entra en el catálogo solo tras una revisión manual. Aquí también aparece el nivel del idioma:

• Idiomas principales: el corazón del motor, con garantía de calidad: alemán, inglés, francés, español, italiano, portugués, ruso, chino, japonés y coreano.
• Beta: el idioma ya funciona en modo automático, pero seguimos puliendo la calidad.
• Próximamente: el idioma está en desarrollo; estamos seleccionando hablantes y ajustando la síntesis.

Un idioma «se gradúa» de la beta no por calendario, sino cuando supera de forma constante el mismo control de calidad que los idiomas principales. Explicamos por qué existen los niveles en «Por qué los idiomas tienen niveles», y en el Lab puedes seguir qué idiomas están en marcha y votar por los siguientes.

Por qué te importa

Toda esta cadena existe por una razón sencilla: que abras el catálogo, pulses reproducir y oigas una voz limpia, no ruido ni artefactos. La selección a la entrada, el control objetivo de la calidad y una masterización uniforme son la razón de que las voces de HancVoice suenen de forma previsible y constante, y no «unas sí y otras no».

Conclusión

Una voz nace mucho antes de que la elijas: en una cadena de selección, huella del timbre, control de calidad y masterización. Por eso los idiomas tienen niveles y el catálogo mantiene una calidad constante. Abre el catálogo y escucha: ahora sabes lo que hay detrás de cada reproducción.

Pruébalo tú mismo — un paquete de caracteres inicial gratis al registrarte.