Resolución de problemas

Si la salida de voz generada varía en volumen o tono, suele deberse a inconsistencias en el audio de entrenamiento del clon de voz.

• Aplica compresión: Comprime el audio de entrenamiento para reducir el rango dinámico y garantizar un audio uniforme. Busca un RMS de entre -23 dB y -18 dB y un pico real inferior a -3 dB.
• Ruido de fondo: Asegúrate de que el audio de entrenamiento contenga solo la voz que quieres clonar, sin música, ruido ni chasquidos. El ruido de fondo, los aumentos repentinos de energía o una energía constante de baja frecuencia pueden hacer que la IA sea menos estable.
• Consistencia del hablante: Asegúrate de que el hablante mantenga una distancia constante respecto al micrófono y evite susurrar o gritar. Las variaciones pueden provocar un volumen o una tonalidad inconsistentes.
• Duración del audio:
  • Clonar Voz IA al Instante: Usa 1–2 minutos de audio uniforme. La consistencia en tonalidad, interpretación, acento y calidad es fundamental.
  • Clonar Voz IA Profesional: Usa al menos 30 minutos, idealmente más de 2 horas, de audio uniforme para obtener los mejores resultados.

Para reducir al mínimo los problemas, considera dividir el texto en segmentos más pequeños. Este enfoque ayuda a mantener un volumen uniforme y reduce la degradación en generaciones de audio más largas. Utiliza nuestra función ElevenCreative Studio para generar varios segmentos de audio más pequeños a la vez, lo que garantiza una mayor calidad y consistencia.

En ocasiones poco frecuentes, los modelos multilingües pueden pronunciar incorrectamente determinadas palabras, incluso en inglés. Este problema parece ser algo arbitrario, pero depende de la voz y del texto. Ocurre con más frecuencia con ciertas voces y textos, especialmente al usar palabras que también existen en otros idiomas.

• Usa ElevenCreative Studio: Esta función ayuda a reducir los problemas de pronunciación incorrecta, más frecuentes en secciones de texto largas al usar Síntesis de Voz. Aunque no eliminará el problema por completo, puede ayudarte a evitarlo y facilitar la regeneración de secciones concretas sin tener que rehacer todo el texto.
• Voces correctamente clonadas: Al igual que al abordar problemas de inconsistencia, usar una voz correctamente clonada en los idiomas deseados puede ayudar a reducir las pronunciaciones incorrectas.
• Especifica la pronunciación: Al usar nuestra función ElevenCreative Studio, considera especificar la pronunciación de determinadas palabras, como nombres de personajes y marcas, o cómo deben leerse las siglas. Para obtener más información, consulta la sección Diccionario de pronunciación de nuestra guía de ElevenCreative Studio.

A veces, la IA puede cambiar de idioma o acento durante una misma generación, especialmente si es larga. Este problema es similar al de las pronunciaciones incorrectas y estamos trabajando activamente para mejorarlo.

• Usa voces correctamente clonadas: Usar un clon de voz instantáneo o profesional entrenado con audio uniforme y de alta calidad en el idioma deseado puede ayudar a mitigar este problema. Combinarlo con la función ElevenCreative Studio puede mejorar aún más la estabilidad.
• Comprende las limitaciones de las voces: Las voces predeterminadas y generadas son principalmente en inglés y pueden tener acento inglés al usarse en otros idiomas. Clonar una voz que hable el idioma de destino con el acento deseado proporciona a la IA un mejor contexto, lo que reduce la probabilidad de que cambie de idioma.
• Selección de idioma: Actualmente, la IA determina el idioma a partir del texto de entrada. Es fundamental escribir en el idioma deseado, especialmente al usar voces prediseñadas basadas en inglés, ya que pueden introducir un acento inglés.
• Longitud de texto óptima: La IA tiende a mantener un acento uniforme en segmentos de texto más cortos. Para obtener los mejores resultados, mantén las generaciones de texto por debajo de 800-900 caracteres al usar Texto a Voz. El workflow de ElevenCreative Studio puede ayudarte a gestionar textos más largos dividiéndolos en segmentos más pequeños y manejables.

Los modelos pueden pronunciar incorrectamente determinados números, símbolos y siglas. Por ejemplo, los números “1, 2, 3” podrían pronunciarse como “one,” “two,” “three” en inglés. Para asegurar una pronunciación correcta en otro idioma, escríbelos fonéticamente o con palabras tal como quieras que se pronuncien.

• Ejemplo: Para que el número “1” se pronuncie en francés, escribe “un.”
• Símbolos: Especifica cómo deben leerse los símbolos; por ejemplo, ”$” como “dólar” o “euro.”
• Siglas: Escribe las siglas fonéticamente.

La voz distorsionada es un problema poco frecuente en el que el modelo genera audio apagado o distorsionado. Ocurre de forma impredecible y no hemos identificado la causa. Si lo encuentras, vuelve a generar la sección para resolver el problema.

La calidad del audio puede degradarse durante conversiones extensas de texto a voz. Para mitigarlo, divide el texto en secciones de menos de 800 caracteres.

• Selección de voz: Algunas voces son más propensas a degradarse. Usa muestras de alta calidad para las voces clonadas y minimizar así los artefactos.
• Estabilidad y similitud: Ajusta esta configuración para influir en el comportamiento de la voz y la presencia de artefactos. Pasa el cursor sobre cada ajuste para ver más detalles.

En algunas voces, este ajuste de voz puede provocar inestabilidad, como velocidad inconsistente, pronunciaciones incorrectas y la incorporación de sonidos adicionales. Recomendamos mantener este ajuste en 0, especialmente si experimentas estos problemas en el audio generado.

La función de importación intenta importar al sitio web el archivo que proporcionas. Dada la variedad de estructuras de sitios web y formatos de libros, incluidas las imágenes, verifica siempre que la importación sea correcta.

• Imágenes de capítulos: Si los capítulos de un libro empiezan con una imagen como primera letra, es posible que la IA no reconozca la letra. Añade manualmente la letra a cada capítulo.
• Estructura de párrafos: Si el texto se importa como un único párrafo largo en lugar de seguir la estructura original del libro, puede que no funcione correctamente. Asegúrate de que el texto conserve sus saltos de línea originales. Si el problema persiste, prueba a copiar y pegar. Si no funciona, puede que el formato del texto deba convertirse o reescribirse.
• Formato recomendado: EPUB es el formato de archivo recomendado para crear un proyecto en ElevenCreative Studio. Un EPUB bien estructurado dividirá automáticamente cada capítulo en ElevenCreative Studio, lo que facilita la navegación. Asegúrate de que cada encabezado de capítulo tenga el formato “Encabezado 1” para que se reconozca correctamente.

En ocasiones, pueden producirse errores o respiraciones bruscas entre párrafos. Es algo poco frecuente y distinto de los problemas habituales de Texto a Voz. Si ocurre, vuelve a generar el párrafo anterior, ya que el problema suele originarse ahí.