Voz IA con emociones: cómo dirigirla con etiquetas

Variantes, etiquetas e intensidad: el método para que una voz IA suene con intención

Equipo Voicefinder
· 6 min de lectura
Voz IA con emociones: cómo dirigirla con etiquetas

Para dar emociones a una voz IA tienes tres herramientas: elegir una variante de la voz grabada en el registro que buscas (Enérgico, Tierno, Misterioso…), añadir etiquetas de emoción entre corchetes al principio de cada frase, como [upbeat] o [hushed], y ajustar la intensidad. En Voicefinder, con el modelo Voyager 1, las etiquetas no se cobran y puedes probarlo todo gratis.

Esta guía explica el método que usamos en el estudio para dirigir una voz IA con emociones, con ejemplos de guion que puedes copiar y audios reales para comparar.

¿Qué significa dirigir una voz IA?

Un locutor no lee igual una cuña de rebajas que un cuento para dormir. Ajusta el registro, la energía, las pausas y la intención de cada frase. Dirigir una voz IA es lo mismo: decirle al modelo qué emoción y qué tono tiene cada parte del guion.

Escucha la misma frase, con la misma voz, dirigida de tres formas distintas:

Sara · «Hoy empieza algo nuevo…» · ilusionada, con una sonrisa
Sara · misma frase · nerviosa, como antes de un examen
Sara · misma frase · serena y segura

Las palabras no cambian; cambia la interpretación. Eso es lo que vas a aprender a controlar.

El método: la variante es la base y las etiquetas van encima

El error más común es elegir la voz neutra y cargarla de etiquetas hasta que «suene» enérgica o misteriosa. Funciona, pero hay un camino mejor:

  1. Elige la variante que ya es el personaje. Muchas voces tienen versiones grabadas en otro registro. Si el guion es una cuña muy enérgica, empieza por la variante «Muy enérgico». Si es un relato de misterio, por «Misterioso».
  2. Encima, pon las etiquetas que la empujan o la matizan. Una variante enérgica más [enthusiastic] en el cierre; una misteriosa más [enigmatic] en la frase clave.
  3. Ajusta la intensidad solo donde haga falta. Una frase muy marcada, no todo el guion.

La variante da el timbre y la actitud de fondo; las etiquetas dan los matices de cada frase. Juntas suenan más naturales que una voz neutra forzada.

Variantes de voz: qué son y cuáles hay

Una variante es la misma voz —el mismo timbre, la misma persona— grabada en otro registro. Hoy hay más de 130 voces de español de España con variantes, más de 2.400 en total. Estas son las familias:

GrupoVariantesÚsalas para
NaturalNeutro, Conversacional, AlegreLecturas neutras, vídeos cercanos
PublicidadEnérgico, Muy enérgico, Natural, Tirado, Premium elegante, Suave, Inspiracional, Decidido, SeductorCuñas, anuncios, redes
CorporativoCorporativo, GraveVídeos de empresa, formación
NarraciónAudiolibro, Contador de historias, Épico, Misterioso, Tierno, Melancólico, AudioguíaAudiolibros, documentales, tráileres
PersonajeTipo duro, Excéntrico, Héroe, Malvado, InquietanteFicción, videojuegos, dramatizaciones

No todas las voces tienen todas las variantes; en el estudio, cada voz muestra las suyas en un desplegable. Compara la misma voz en su lectura neutra y en su variante «Muy enérgico»:

Andrés · español de España · variante Neutro
Andrés · español de España · variante Muy enérgico, para publicidad

Etiquetas de emoción: la lista completa

Las etiquetas se escriben entre corchetes al principio de la frase y afectan a esa frase. Hay tres tipos, y ninguno consume caracteres.

32 emociones: [upbeat], [enthusiastic], [friendly], [conversational], [confident], [comforting], [serene], [serious], [urgent], [motivational], [nostalgic], [proud], [satisfied], [intrigued], [teasing], [ironic], [astonished], [puzzled], [nervous], [fearful], [unhappy], [tearful], [weary], [bored], [disapproving], [repulsed], [angry], [yelling], [hushed], [threatening], [feeble] y [enigmatic].

18 efectos de voz: [laugh], [chuckle], [belly laugh], [villain laugh], [sigh], [exhale], [deep breath], [gasp], [ahem], [cough], [yawn], [scoff], [breathless], [voice cracking], [sob], [sniffle], [wheeze] y [woo-hoo]. Los cuatro últimos son fiables sobre todo en español.

9 estilos: [storyteller], [documentary], [newscaster], [radio spot], [tutorial], [motivational coach], [kids' narration], [meditation] y [movie trailer]. Un estilo es una forma de leer completa, con su ritmo: [meditation], por ejemplo, va más despacio y deja pausas entre frases.

Si prefieres escribirlas en español, el estudio también las entiende: [alegre], [susurrando], [enfadado], [risa], [suspiro]… Y si no encuentras la etiqueta exacta, puedes describir la indicación con tus palabras entre corchetes («[como quien cuenta un secreto]») y el estudio la traduce a etiquetas del catálogo.

La lista oficial, con ejemplos, está en la página de Voyager 1.

Intensidad: cuánto se nota la emoción

Cada bloque del estudio tiene una intensidad de emoción con cuatro niveles: Natural, Marcada, Muy marcada y Al máximo. Y si quieres afinar una sola etiqueta, haz clic sobre ella y elige su nivel; en el texto queda con el número al lado, por ejemplo:

[angry:4.5] Te lo he pedido tres veces. Tres.

La escala va de 1 a 6. Para la mayoría de los guiones, Natural o Marcada es suficiente; reserva «Al máximo» para momentos puntuales. En los efectos ([laugh], [sigh]…) el número no se aplica.

Así suena un enfado contenido bien dirigido:

Gonzalo · español de España · enfado contenido, masticando cada palabra

Empieza gratis: 10.000 caracteres al mes sin tarjeta

Ejemplos de guion con emociones

Cuña de radio enérgica. Variante: Muy enérgico.

[enthusiastic] ¡Llega el fin de semana más loco del año!
[upbeat] Todo el calzado, al cincuenta por ciento.
[urgent] Solo hasta el domingo. ¡Corre!

Relato de misterio. Variante: Misterioso.

[hushed] Nadie había abierto esa puerta en cuarenta años.
[enigmatic] Y, sin embargo, aquella noche estaba entreabierta.
[gasp] [fearful] Alguien había encendido la luz.

Vídeo corporativo. Variante: Corporativo.

[confident] En 2026 hemos crecido en doce países.
[friendly] Y lo hemos hecho gracias a un equipo que no deja de aprender.

Mensaje tierno. Variante: Tierno.

[friendly] Sé que ha sido un año difícil.
[comforting] Pero aquí estamos. Y vamos a seguir estándolo.

Personaje de ficción. Variante: Tipo duro o Malvado.

[ironic] Vaya, qué sorpresa verte por aquí.
[threatening] La próxima vez, llama antes de entrar.

Más ideas para anuncios en nuestra guía de voz IA para publicidad.

Errores frecuentes al dar emociones a una voz IA

  • Una etiqueta en cada frase. El exceso suena forzado. Muchas frases funcionan mejor sin etiqueta: la variante ya pone el tono.
  • Cambiar de emoción dentro de una frase corta. Divide la frase o elige una sola emoción.
  • Emociones que el texto no pide. [threatening] en un texto amable no convence. La etiqueta funciona mejor cuando el guion la respalda.
  • Efectos de voz en textos institucionales. Suspiros o carraspeos en una audioguía o un aviso legal restan seriedad. Déjalos para ficción, humor o redes.
  • Intensidad al máximo en todo el guion. Cansa al oyente. Súbela solo donde está el clímax.

Calidad y uso comercial

Todo el audio sale a 48 kHz con marca de agua AudioSeal y credencial C2PA. Voicefinder tiene más de 800 voces en más de 55 idiomas, y las etiquetas funcionan en todos los idiomas que las admiten. Si quieres tu propia voz con emociones, puedes clonar una voz con IA con menos de 10 segundos de audio. Más sobre el producto en texto a voz con IA.

El plan gratuito incluye 10.000 caracteres al mes sin tarjeta (uso personal). El uso comercial empieza en Basic, desde 11 €/mes sin IVA, con un 30 % menos en el pago anual. Consulta los precios.

Preguntas frecuentes

¿Cómo se ponen emociones a una voz IA?

Elige una variante de la voz en el registro que buscas y añade etiquetas entre corchetes al principio de cada frase, como [upbeat], [serious] o [hushed]. Después, ajusta la intensidad si hace falta.

¿Las etiquetas de emoción cuestan caracteres?

No. Solo se cuenta el texto que se lee; las etiquetas son gratis.

¿Las variantes existen en todos los idiomas?

Hoy las variantes están en las voces de español de España. Las etiquetas de emoción, en cambio, funcionan también con voces de otros idiomas, como el inglés o el español de América.

¿Puedo poner risas o suspiros?

Sí, con efectos como [laugh], [chuckle], [sigh] o [deep breath]. Colócalos donde iría el sonido y úsalos con moderación.

¿Qué diferencia hay entre una emoción y un estilo?

Una emoción cambia el tono de una frase. Un estilo ([documentary], [newscaster], [meditation]…) es una forma de leer completa, con su ritmo y sus pausas.

¿Puedo describir la emoción con mis palabras?

Sí. Escribe la indicación entre corchetes, por ejemplo «[como si contara un secreto]», y el estudio la traduce a etiquetas del catálogo sin cambiar tu texto.

¿Quieres probarlo con tu propio guion? Empieza gratis: 10.000 caracteres al mes sin tarjeta

  • texto a voz
  • emociones
  • dirección de voz
  • etiquetas
  • voyager 1
Escrito por
Equipo Voicefinder
Texto a voz con IA

Sigue leyendo.

Ver las 14 historias →