1Antes de empezar
Necesitas dos cosas:
- Una cuenta de Google (Gmail) gratuita, para poder usar Colab.
- Un audio tuyo de 5 a 15 segundos, hablando claro y sin ruido de fondo (una nota de voz del celular funciona perfecto).
2Abre tu copia del script en Colab
Haz clic en "Abrir mi copia en Google Colab" de arriba. Se abre el cuaderno en tu propia cuenta de Google: todo lo que ejecutes corre en un servidor temporal asignado a ti, no en nuestros servidores. Nosotros nunca vemos tu audio ni tus resultados.
El cuaderno tiene 3 bloques de código ("celdas"). No necesitas escribir ni entender nada de código, solo ir presionando el botón ▶ de cada uno, en orden.
3(Opcional) Activa la GPU para que sea más rápido
Ve a "Entorno de ejecución" → "Cambiar tipo de entorno" → elige GPU T4 → Guardar. Con GPU cada frase tarda 10-30 segundos. Sin GPU también funciona, pero tarda varios minutos por frase.
4Ejecuta la Celda 1: instalación
Presiona ▶ en el primer bloque. Instala automáticamente todo lo necesario (tarda 2 a 4 minutos). Espera a ver el mensaje "✅ Todo listo" antes de continuar. Si algo falla, simplemente vuelve a presionar ▶ en esta misma celda.
5Ejecuta la Celda 2: elige tus opciones
Aquí eliges dos cosas antes de generar tu voz:
El idioma en el que tu voz clonada va a hablar (español, inglés, francés, alemán, italiano, portugués, ruso, japonés, coreano o chino). Elige el idioma del texto que vas a generar, no necesariamente el del audio que subiste.
Déjalo activado (Sí). Crea un enlace temporal tipo gradio.live para abrir la interfaz en una pestaña nueva, algo necesario para que el navegador te deje usar el micrófono. El enlace se desactiva solo al cerrar Colab, y nadie más lo va a tener a menos que tú lo compartas.
Presiona ▶ en esta celda para guardar tu elección.
6Ejecuta la Celda 3: abre la interfaz visual
Presiona ▶. Va a tardar uno o dos minutos cargando el modelo de IA. Al final aparece un enlace parecido a https://xxxxx.gradio.live.
7Sube tu audio y escribe el texto
En la interfaz que se abrió:
- Audio de referencia: sube tu audio o grábalo ahí mismo con el micrófono.
- Texto detectado: se completa solo (la IA transcribe lo que dijiste). Revísalo y corrígelo si se equivocó en alguna palabra.
- Texto nuevo a generar: escribe aquí lo que quieres que diga tu voz clonada.
Presiona "✨ Generar Voz Clonada" y espera. El resultado aparece como un audio reproducible arriba a la derecha, con un botón de descarga.
8Opciones avanzadas (puedes dejarlas como están)
Si abres "⚙️ Consistencia de la voz" vas a ver algunas opciones extra. No son obligatorias, pero acá te explicamos qué hace cada una por si quieres ajustar el resultado:
Ignora el texto transcrito y clona únicamente el "tono" de tu voz. Es más fiel al audio original, pero suena un poco menos expresivo. Actívala si notas que la voz generada no se parece lo suficiente a la tuya.
Activado por defecto. Hace que el resultado sea predecible: el mismo audio + el mismo texto siempre suenan igual. Si lo desactivas, cada generación va a sonar ligeramente distinta (más "creativa" pero menos consistente).
Es simplemente un número. Piénsalo como el "número de receta": si usas el mismo audio, el mismo texto y la misma semilla, siempre vas a obtener exactamente el mismo resultado. Cámbiala solo si quieres forzar una variación distinta.
Solo se usan si desactivas "Modo estable". Controlan cuánta "creatividad" o variación al azar tiene la voz generada: valores más altos = más variación entre intentos; valores más bajos = resultado más plano y repetible. Si no sabes qué elegir, no los toques.
¿Listo para clonar tu voz?
Se ejecuta en tu propia cuenta de Google. Nosotros no vemos ni guardamos tu audio.
Abrir mi copia en Google ColabPreguntas frecuentes
¿Es realmente gratis usar Google Colab?
El micrófono no funciona, ¿qué hago?
gradio.live en una pestaña nueva (no el recuadro dentro de Colab) y de haber presionado "🔓 Habilitar micrófono" ahí. Los navegadores bloquean el micrófono dentro de recuadros embebidos por seguridad.