⚡ Resumen en 3 puntos
• Sin trabajo manual en estudios de doblaje: tonos, entonación y actuación, todo automático. Un salto cuántico respecto a la v1.
• Análisis tras probar el doblaje automático al español en una escena de Demon Slayer: Mugen Train.
• Comienza la era en la que los creadores pueden expandirse globalmente manteniendo su propia voz.
¡Hola! Te damos la bienvenida a Sonetho. ⚡
Cuando anunciamos el lanzamiento de Dubbing v2, prometimos que lo pondríamos a prueba personalmente.
Cumpliendo nuestra palabra, hemos doblado al español una escena de Demon Slayer: Mugen Train usando la v2.
Empezando por la conclusión… Es una locura. Ese 2% que faltaba antes no solo se ha cubierto, sino que se ha superado con creces.
▲ ElevenLabs Dubbing v2 · Doblaje automático al español (Original japonés → español) · Speaker similarity 7
Con la v1, esto era una lucha constante
Como vimos anteriormente en nuestro artículo sobre clonación de doblaje para animación (Clip vs Track vs IVC), el flujo de trabajo en la época de la v1 era así:
El doblaje automático no sincronizaba bien y la traducción era caótica, por lo que la posproducción era obligatoria.
Teníamos que recortar manualmente cada clip donde hablaba un personaje para crear clones individuales.
Como resultado, el tono de voz variaba constantemente entre escenas. Parecía una persona distinta en cada clip.
Al limitarnos a clips muy cortos, la salida era errática y aleatoria.
Había que repetir la generación innumerables veces hasta conseguir algo decente, y aun así, el resultado siempre se sentía incompleto.
En pocas palabras, no era que "la IA te doblara", sino que "tú te doblabas usando la IA".
La v2… funciona sin necesidad de estudio
Esta v2 nos ha dejado boquiabiertos.
Sin retoques manuales y, lo más importante, con una sola generación:
Captura el tono y la entonación del hablante original con gran precisión.
Consigue una actuación (expresión emocional) sorprendentemente convincente.
Todo el trabajo pesado de recortar clips y gestionar clones ha pasado a la historia.
Comparada con la v1, la mejora es abismal.
Escúchalo tú mismo en el vídeo de arriba: esa "artificialidad robótica" ha disminuido drásticamente.
El ajuste clave: Speaker similarity
La v2 incluye un deslizador llamado 'Speaker similarity' dentro del menú Advanced.
Esto regula si la voz doblada debe sonar "más fiel al hablante original" frente a "más natural en el idioma de destino".
Para el doblaje de Mugen Train usamos el valor por defecto: 7 (en una escala de 0 a 10).
▲ Ajustado a 7: equilibrio entre naturalidad y matices del original.
El deslizador puede llevarse a los extremos. Hemos probado la misma escena en 0 y 10; compara tú mismo los resultados:
Valor | Resultado |
|---|---|
0 (Natural) | Mayor rango dinámico en la actuación, parece un doblaje profesional. |
7 (Recomendado) | Naturalidad + entonación original equilibrada (rango ideal: 4-7). |
10 (Original) | Máximo parecido al original, pero |
🔊 Speaker similarity 0 — Máxima naturalidad
▲ Ajuste 0: lo más natural para el idioma de destino (menos parecido al original).
Al escucharlo, el 0 nos sorprendió gratamente.
El rango emocional fue mucho más amplio, logrando ese toque de actor de voz profesional.
A pesar de la advertencia de "menos parecido", la calidad final al español se sintió mucho más rica y vibrante.
🔊 Speaker similarity 10 — Máxima fidelidad al original
▲ Ajuste 10: sigue estrictamente la entonación original (puede sonar antinatural en español).
Por el contrario, el 10 resultó ser demasiado rígido.
Al intentar emular la entonación exacta del japonés, la interpretación en español sonó un poco forzada y plana.
🎬 0 vs 10 — Compáralo tú mismo
▲ Comparativa de la misma escena en 0 (prioridad naturalidad) y 10 (prioridad original).
La diferencia es clara, ¿verdad?
Resumiendo: cuanto más bajo el valor (cercano a 0), más rica y natural es la actuación en el idioma de destino.
Cuanto más alto (cerca de 10), más se mantiene la entonación original a costa de la expresividad.
Por ello, si el contenido depende mucho de la carga emocional, recomendamos valores bajos. Solo sube el valor si es vital mantener exactamente el tono y timbre original. En general, sugerimos jugar en el rango de 4 a 7 según el tipo de contenido.
Un apunte: revisa los nombres propios
La calidad de la traducción automática es bastante buena, pero los nombres propios deben verificarse siempre.
Por ejemplo, en *Demon Slayer*, los demonios se llaman técnicamente "Oni" (鬼), y en la versión oficial española se traducen como "demonios".
La traducción automática a veces los traducía de forma genérica o simplemente errónea. 😅
El sentido no se pierde, pero un fan notará la diferencia al instante.
Incluso usando la v2, es necesario realizar una revisión de la transcripción y corregir términos específicos. (Esto, en realidad, demuestra que el factor humano sigue siendo vital).
💡 Nota: La v2 ha superado su fase Alpha y está consolidada. Con las nuevas herramientas de edición, ahora es mucho más fácil personalizar y corregir esas traducciones.
Lo que esto implica: la revolución del doblaje
Alcanzar esta calidad con solo un par de clics no es solo una simple actualización.
El mercado del doblaje tradicional sufrirá cambios profundos, especialmente en costes y tiempos de entrega frente a los presupuestos actuales.
Para los creadores, es una noticia increíble.
Ahora, sin necesidad de contratar actores de voz externos, puedes llevar tu contenido a todo el mundo manteniendo tu propia voz.
Si te tomas en serio tu canal global, la v2 no es algo que "quizás pruebes", es una herramienta indispensable para no quedarte atrás.
¿Quieres probarlo tú mismo?
Si tienes un plan Creator o superior, cuentas con 30 minutos de doblaje gratuitos (15 min para Starter, 1 min para Free).
Puedes testearlo perfectamente con esa cuota.
※ Este enlace es un partner oficial de Sonetho (sin costes adicionales).
📚 Artículos recomendados
¡Lanzamiento de ElevenLabs Dubbing v2! — Más de 90 idiomas con la "actuación original"
Anuncio oficial · Resumen de la v2
Consejos · Comparativa con la clonación manual
Guía definitiva de ElevenLabs Dubbing: cómo traducir y doblar vídeos automáticamente
Consejos · Flujo de trabajo de ElevenLabs
🚀 En conclusión
La carga de "parecer artificial" que teníamos con la v1 se ha reducido drásticamente en la v2.
Aunque tareas como la revisión de nombres propios sigan siendo necesarias, la línea de salida ha cambiado para siempre.
¡Tus contenidos ya no tienen fronteras y pueden hablar en cualquier idioma manteniendo tu voz!
¡Sigue creando grandes cosas!
Sonetho ⚡