Nodos de audio
Nodos de audio
Spaces incluye un conjunto de nodos de audio que te permiten generar locuciones, música y efectos de sonido, todo a partir de descripciones de texto. Úsalos para añadir narración, bandas sonoras y audio ambiental a tus flujos de trabajo de vídeo sin necesidad de grabar ni obtener licencias de nada
Este artículo es una traducción. La versión en inglés es la versión de referencia y la que prevalece en caso de duda.
En este artículo
- Nodos de audio disponibles
- Locución
- Modelos de locución
- Generador de música
- Modelos de generador de música
- Efectos de sonido
- Video Audio Mix
- Flujo de trabajo de audio típico
- Consejos para el prompt
- Consejos y mejores prácticas
Nodos de audio disponibles
| Nodo | Qué hace |
|---|---|
| Locución | Convierte texto en voz con sonido natural mediante voces de IA |
| Generador de música | Compone pistas de música originales a partir de descripciones de texto |
| Efectos de sonido | Genera efectos de sala y sonidos ambientales con tecnología de IA a partir de texto |
| Video Audio Mix | Combina varias pistas de audio con vídeo |
Todos los nodos de audio son nuevas incorporaciones a Spaces
Locución, generador de música y efectos de sonido se están implementando gradualmente y es posible que aún no estén disponibles en tu cuenta
Locución
El nodo de locución convierte texto en voz con un sonido natural. Elige entre cientos de voces de IA de múltiples proveedores para narrar guiones, crear diálogos o producir contenido de voz
Cómo usar el nodo de locución
Añade el nodo
Añade un nodo de locución a tu Space
Introduce tu guion
Escribe o pega tu guion en el campo de texto, o conecta un nodo de texto a la entrada
Selecciona un modelo
Elige ElevenLabs v2, ElevenLabs v3 o Gemini 2.5 Pro
Elige una voz
Haz clic en el chip de voz para abrir la biblioteca de voces; explora y escucha una vista previa de las voces antes de seleccionar una
Ajustar parámetros
Establece la velocidad, la estabilidad y el refuerzo de similitud si es necesario
Generar
Establece el número de generaciones de 1 a 10 y ejecuta el nodo
Parámetros de voz
| Parámetro | Rango | Qué hace |
|---|---|---|
| Velocidad | 0,7x a 1,2x | Velocidad de habla: cuanto más bajo, más lento; cuanto más alto, más rápido |
| Estabilidad | 0 a 1 | Consistencia de la voz: cuanto más bajo, más expresivo; cuanto más alto, más estable |
| Potenciador de similitud | 0 a 1 | El grado en que la salida coincide con la voz seleccionada |
Entrada y salida
El nodo de locución acepta una entrada de texto —tu guion— y genera una salida de audio —la locución generada—. Puedes escribir directamente en la tarjeta o conectar un nodo de texto para guiones dinámicos
Casos de uso
- Narración de vídeo —escribe un guion, genera una locución y combínala con tu vídeo usando Video Audio Mix
- Creación de podcasts —genera locuciones para segmentos individuales y combínalos en un episodio completo
- Diálogo de personajes —usa varios nodos de locución con diferentes voces y mézclalos para escenas de conversación
- Vídeo con sincronización labial —genera una locución y conecta la salida de audio a un modelo de vídeo con sincronización labial para que tu personaje hable de forma sincronizada
Modelos de locución
Hay tres modelos de IA disponibles para la generación de voz. Cada uno tiene diferentes puntos fuertes: elige el que mejor se adapte a tu proyecto
| Modelo | Proveedor | Velocidad | Calidad | Ideal para |
|---|---|---|---|---|
| ElevenLabs v2 Turbo | ElevenLabs | Rápida | Buena | Narración rápida, procesamiento por lotes |
| ElevenLabs v3 | ElevenLabs | Moderada | Alta | Producción final, narración emocional |
| Gemini 2.5 Pro | Moderada | Alta | Contenido en múltiples idiomas, tono conversacional |
ElevenLabs v2 es la opción más rápida. Úsala cuando necesites generar muchas locuciones rápidamente o iterar guiones durante la producción. Admite los parámetros de velocidad, estabilidad y aumento de similitud
ElevenLabs v3 ofrece una prosodia y entonación más naturales que la v2: el ritmo, el énfasis y el tono emocional se sienten más cercanos a una lectura humana. Úsala para la salida final cuando la calidad sea lo más importante. Mismos parámetros que la v2
Gemini 2.5 Pro destaca en contenido en múltiples idiomas y locución conversacional. Admite temperatura, instrucción del sistema y selección de idioma. La configuración de múltiples locutores es posible para una salida con estilo de diálogo
Gemini 2.5 Pro se está implementando de forma gradual y es posible que aún no esté disponible para todos los usuarios
Guía rápida: qué modelo elegir
| Necesitas | Usa esto |
|---|---|
| Resultados rápidos | ElevenLabs v2 |
| La mejor calidad de audio | ElevenLabs v3 |
| Varios idiomas | Gemini 2.5 Pro |
| Narración emocional y expresiva | ElevenLabs v3 |
| Tono conversacional o de diálogo | Gemini 2.5 Pro |
| Procesamiento por lotes de muchos clips | ElevenLabs v2 |
Generador de música
El nodo Generador de música crea música original a partir de descripciones de texto. Describe el estado de ánimo, el género, el tempo y los instrumentos: la IA compone una pista única
Cómo usar el nodo Generador de música
Añade el nodo
Añade un nodo Generador de música a tu Spaces
Describe tu música
Escribe una descripción de la música que quieres en el campo prompt, o conecta un nodo de texto al puerto de entrada
Selecciona un modelo
Elige Google Lyria o ElevenLabs Music
Establece la duración
Hasta 30 segundos para Lyria, hasta 10 segundos para ElevenLabs
Generar
Establece el número de generaciones de 1 a 10 y ejecuta el nodo
Entrada y salida
El nodo Generador de música acepta una entrada de texto (tu descripción de música) y genera una salida de audio (la pista generada)
Casos de uso
- Banda sonora de vídeo — Describe un estado de ánimo y genera una pista de fondo, luego combínala con tu vídeo usando Video Audio Mix
- Música de introducción para podcast — Genera una introducción corta y personalizada con ElevenLabs Music
- Música de fondo — Crea bucles lo-fi, ambientales o de géneros específicos para contenido
- Comparar estilos — Escribe varias descripciones de género, genéralas todas y elige la que mejor se adapte a tu proyecto
Modelos de generador de música
Hay dos modelos de IA disponibles para la generación de música, cada uno optimizado para diferentes casos de uso
| Modelo | Proveedor | Duración máxima | Ideal para |
|---|---|---|---|
| Google Lyria | 30 segundos | Música de fondo, bandas sonoras, ambiental, géneros variados | |
| ElevenLabs Music | ElevenLabs | 10 segundos | Jingles, intros, logos sonoros, bucles cortos |
Google Lyria destaca en composiciones más largas con una estructura musical natural. Maneja una amplia gama de géneros y puede producir piezas con arreglos evolutivos: intros, desarrollos y transiciones
ElevenLabs Music está optimizado para piezas cortas y concentradas. La salida es limpia y bien definida: ideal para elementos de marca, transiciones y clips listos para usar en bucle
Guía rápida: qué modelo elegir
| Necesitas | Usa esto |
|---|---|
| Más de 10 segundos | Google Lyria |
| Audio corto e impactante | ElevenLabs Music |
| Instrumentación variada | Google Lyria |
| Generación rápida | ElevenLabs Music |
| Banda sonora o música de fondo | Google Lyria |
| Jingle, introducción o logo sonoro | ElevenLabs Music |
Efectos de sonido
El nodo de Efectos de sonido genera audio con tecnología de IA a partir de descripciones de texto. Describe cualquier sonido —desde lluvia sobre un tejado de chapa hasta el zumbido del motor de una nave espacial— y la IA lo creará. Úsalo para añadir atmósfera y efectos de sala a tus proyectos de vídeo
Cómo usar el nodo de Efectos de sonido
Añade el nodo
Añade un nodo de Efectos de sonido a tu Space
Describe el sonido
Escribe una descripción en el campo del prompt o conecta un nodo de Texto al puerto de entrada
Establece la duración
Elige la duración deseada para el efecto de sonido
Activa el bucle si es necesario
Activa el bucle para sonidos que deban reproducirse de forma continua, como audio ambiental o de fondo
Generar
Establece el número de generaciones de 1 a 10 y ejecuta el nodo
Entrada y salida
El nodo de efectos de sonido acepta una entrada de texto —tu descripción del sonido— y genera un audio —el efecto generado—.
Casos de uso
- Foley para vídeo —describe los sonidos de la escena, genéralos y añádelos como capa a tu vídeo con Video Audio Mix.
- Bucles ambientales —crea audio de fondo continuo, como el ambiente de una cafetería o lluvia, con la opción Loop activada.
- Introducciones para pódcast —crea una identidad sonora única con sintonías dramáticas o sonidos de transición.
- Audio para juegos —genera sonidos de interfaz, ambiente de entorno o efectos de acción para la creación de prototipos de juegos.
Video Audio Mix
El nodo Video Audio Mix combina varias pistas de audio con un vídeo. Úsalo como paso final en tu flujo de trabajo de audio: conecta tu locución, música y efectos de sonido, y mézclalos con tu vídeo generado o subido.
Flujo de trabajo de audio típico
Un patrón común para producir vídeos narrados con banda sonora en Spaces:
Escribe tu guion
Usa un nodo de texto o escribe directamente en el nodo de locución.
Generar locución
El nodo de locución convierte tu guion en voz natural
Añadir música
El generador de música crea una pista de fondo a partir de una descripción del estado de ánimo
Añadir capas de efectos de sonido
El nodo de efectos de sonido genera audio ambiental o foley
Mezclar todo
Conecta todas las salidas de audio y tu vídeo a un nodo Video Audio Mix
Puedes conectar tantas fuentes de audio como necesites antes de combinarlas con el vídeo final
Consejos para escribir prompts
Un buen prompt genera un mejor audio. Aquí tienes lo que funciona para cada nodo
Locución
Tu prompt para la locución es el guion en sí: escríbelo exactamente como quieres que se diga. Mantén las frases naturales y conversacionales. Si necesitas un ritmo o énfasis específicos, elige el modelo adecuado y ajusta los parámetros de voz en lugar de intentar incluir instrucciones de entrega en el texto
Generador de música
Incluye el género, el estado de ánimo, el tempo y los instrumentos para obtener el mayor control
Pieza orquestal cinematográfica, dramática, que genera tensión, cuerdas y metales, 120 BPM
Guitarra folk acústica, cálida y nostálgica, estilo fingerpicking, 90 BPM
Para ElevenLabs Music —piezas más cortas—, mantén las descripciones centradas en un único estado de ánimo o propósito
Jingle electrónico animado, alegre, sintetizador principal
Ambiente oscuro, inquietante, zumbido de baja frecuencia
Efectos de sonido
Sé descriptivo y específico. Cuantos más detalles incluyas, más se acercará el resultado a lo que escuchas en tu cabeza
Lluvia intensa sobre un tejado de chapa con truenos lejanos: funciona mejor que solo decir lluvia
Ambiente de cafetería concurrida con conversaciones tranquilas y máquina de café expreso: funciona mejor que los sonidos de cafetería
Consejos y mejores prácticas
Previsualiza las voces antes de decidir. La biblioteca de voces incluye reproducción de muestras para cada voz: escucha antes de realizar la generación
Reduce la estabilidad para obtener más expresividad. Si tu locución suena demasiado plana o robótica, intenta reducir el parámetro de estabilidad. Esto añade más variación y rango emocional a la entrega
Genera múltiples variaciones. La generación de audio, especialmente en música y efectos de sonido, es altamente variable. Genera varias versiones del mismo prompt y elige la mejor
Usa el bucle para sonidos ambientales. Activa el interruptor de bucle en el nodo de efectos de sonido cuando necesites audio de fondo continuo como lluvia, tráfico o ambiente de oficina
Haz borradores con la v2 y finaliza con la v3. Usa ElevenLabs v2 para iterar rápidamente en los guiones y, después, cambia a la v3 para la locución final cuando la calidad sea importante
Sé específico con el tempo en los prompts de música. Añadir un valor de BPM como 120 BPM proporciona a la IA un objetivo concreto y produce resultados más consistentes
Usa varios nodos de locución para diálogos. Añade varios nodos de locución con diferentes voces para crear escenas de conversación y, después, combínalos con Video Audio Mix
Combina efectos de sonido para obtener paisajes sonoros ricos. Superpone varios nodos de efectos de sonido (por ejemplo, lluvia más tráfico lejano más eco interior) y mézclalos para obtener profundidad