Narración de textos largos: dónde están los límites reales

«Sin límites» es una de las palabras más frecuentes en esta búsqueda, y la respuesta honesta no es «claro, sin límites», sino un número. Todos los servicios tienen límites; son distintos y casi nunca están donde se esperan: no en la longitud del texto como tal, sino en el tamaño de una petición. Veamos dónde están exactamente y qué hacer con un artículo de cuarenta mil caracteres.

Por qué el techo está justo ahí

Conviene entender la mecánica, porque explica por qué el número es ese y muestra que nadie lo ha puesto por fastidiar.

• El motor sintetiza en trozos cortos, de unos 600 caracteres. Es un límite suyo y no tienes que preocuparte: el texto se corta y se vuelve a unir automáticamente, sin dividir nada a mano.
• El cuello de botella no es la síntesis, sino el montaje. Los trozos hay que unirlos y normalizarlos en un solo archivo, y ese paso es el que choca con el tiempo. Con diez mil caracteres termina con margen; con veinte mil es cuestión de suerte, y el premio de consolación es un WAV sin procesar de veinte minutos.
• De ahí los 10 000 como límite de trabajo. No es «cuánto se permite», sino «cuánto pasa de forma fiable».

Calcúlalo con tu texto

Si el texto es más largo

Entonces se divide, y un detalle lo hace indoloro: la voz se mantiene entre peticiones. Las partes sonarán igual, no como tres locutores distintos.

1. Corta por el sentido, no por el contador. Una parte termina al final de una sección o de un párrafo, no en el carácter 10 000 a mitad de frase.
2. No cambies de voz entre partes. Es lo principal y lo único que hay que respetar.
3. Une los archivos en uno. Unir audio es una operación local sin precio aparte; basta con pedirlo.
4. Escucha las uniones. El único sitio donde se puede notar la división es el paso de una parte a otra; si la pausa sale corta, empieza la parte siguiente con un párrafo nuevo.

Sobre «gratis y sin límites»

Dos palabras en una búsqueda que tiran en direcciones opuestas. La locución gratuita e ilimitada no existe en ningún sitio: un segundo de síntesis es una llamada a un modelo de pago, y el servicio que promete uso ilimitado esconde el techo en otra parte: una marca de agua al principio del archivo, un corte tras el primer minuto, una cola o un límite diario.

Aquí hay un solo límite, y es tu saldo. A cambio, la locución es una de las operaciones más baratas: se cuenta por caracteres, y los tokens iniciales de tu primera visita alcanzan para trabajar de verdad con textos. Sin marca de agua, sin recortes, sin tope de usos al día.

Un límite que no está en los números

Todo este capítulo trata de límites técnicos, así que vale la pena nombrar el que no lo es. La longitud del texto la cuenta el motor; con qué voz se lee lo decides tú, y aquí hay un solo límite: tu propia voz, o la de otra persona con su consentimiento. Una grabación sacada del vídeo de otra persona sigue siendo su voz con cualquier longitud de texto, y quince minutos de locución con una voz ajena son tanto peores como más largos que una frase de prueba.

Pega un texto y escúchalo.

Qué leer después

Cómo funciona la tarea completa: clona una voz y ponle esa voz a tu texto. Qué hace que una locución suene viva y no a robot: leer un texto con una voz. Si la voz que necesitas no es la de un locutor: una voz de personaje para la narración.

En el chat de Twelver entre diez y quince minutos de voz se leen en una sola petición, y un texto más largo se divide en partes que suenan con la misma voz. Los tokens iniciales llegan en tu primera visita, y al registrarte recibes más.