Cómo hacer que el texto a voz cante, haga beatbox o se vuelva loco
Los clips de una voz robótica que canta, hace beatbox o imita un helicóptero son memes desde hace años. La gente prueba lo mismo con el texto a voz moderno y se pregunta por qué solo lee en voz alta las letras raras.
Esta guía explica de dónde vienen esos trucos, la sintaxis documentada de DECtalk que hay detrás y qué puede hacer en su lugar una voz de IA moderna como SuperClonica.
De dónde vienen los trucos
La mayoría de los trucos de canto y ruidos se hicieron con DECtalk, el clásico sintetizador de voz por formantes. El juego gratuito de la NASA Moonbase Alpha lee su chat con DECtalk, y los jugadores se hicieron famosos escribiendo comandos de fonemas en el chat para que sus astronautas cantaran. Como DECtalk construye el sonido con reglas, puedes indicarle exactamente qué sonido hacer, cuánto tiempo y a qué altura.
La sintaxis de canto de DECtalk
La documentación de DECtalk describe un formato con un fonema entre corchetes seguido de su duración y número de tono entre ángulos: la duración va en milisegundos y el número de tono sale de su tabla de tonos, con notas y frecuencias. Por ejemplo, el fonema ow con 400 y 13 entre ángulos mantiene un sonido vocal 400 milisegundos en una nota. Encadenar muchos da melodías; secuencias muy cortas y rápidas dan beatbox, motores y efectos de «glitch». Según la versión de DECtalk, puede que haya que activar la entrada de fonemas, así que revisa el manual de la tuya.
Por qué las voces de IA modernas no lo hacen
El texto a voz neuronal, incluido SuperClonica, aprende de grabaciones de habla real y lee el texto como lo haría una persona. No acepta comandos de fonema, duración ni tono, así que las cadenas de DECtalk salen como letras o se omiten, y no puede cantar en notas dadas. Es el precio de sonar natural.
Qué puedes hacer con una voz moderna
Aun así puedes jugar con la entonación: velocidad de 0.7 a 2.0 en el motor gratuito, comas y puntos para pausas, signos de exclamación e interrogación para la melodía y palabras escritas como deben sonar. Para humor, elige una voz de personaje, graba frases cortas y móntalas en un editor de audio; repetir o invertir trozos cortos da muchos efectos de «glitch» sin códigos de fonemas. Escucha voces gratis en sus páginas con 30 a 100 caracteres.
Elige la herramienta adecuada
Para canto robótico retro, usa DECtalk; la guía de DECtalk explica de dónde sacarlo hoy. Para habla natural con voz de personaje o narrador en 31 idiomas, usa SuperClonica: instálalo con python -m pip install superclonica-cpu o entrena tu propia voz en el estudio con una grabación de 5 a 10 segundos. El chino aún no está disponible.