Grabar una audioguía: voz humana o narración con IA

Lo que una voz humana sigue haciendo mejor

Un narrador experto toma decisiones que una voz sintética no toma: sabe qué palabra transmite el sentido de una frase, cuándo reducir la velocidad ante un nombre difícil y cuánto debe durar una pausa antes de la siguiente idea. A lo largo de toda una guía, esas decisiones producen una narración que parece creada por alguien, no generada automáticamente.

La voz humana importa especialmente cuando el contenido tiene una carga emocional. Los espacios conmemorativos, los testimonios personales, los episodios difíciles de la historia y los materiales relacionados con una comunidad viva son ámbitos en los que una voz sintética puede sonar indiferente justo cuando no debería.

También importa quién cuenta la historia. Una guía narrada por un conservador, un historiador local o un miembro de la comunidad no ofrece solo una locución: esa voz forma parte de la interpretación. Eso no se puede sintetizar.

Cuándo conviene la narración sintética

Los costes cambian mucho al ofrecer varios idiomas. Contratar a un locutor nativo para cada uno de ocho idiomas supone ocho contrataciones, ocho sesiones de estudio, ocho rondas de revisión y ocho agendas que coordinar. Con la narración sintética, ese proceso se reduce a generar el audio.

El coste de actualizar el contenido importa tanto como el de publicarlo. Los museos modifican cartelas, corrigen datos y renuevan exposiciones. Con un locutor contratado, corregir una sola frase puede exigir volver a reservar al mismo profesional para que la toma suene igual. Si no está disponible, quizá no sea posible hacer la corrección. Con una voz sintética, se puede generar de nuevo la frase corregida en minutos.

Esa diferencia suele inclinar la balanza en las exposiciones temporales, en los contenidos que previsiblemente cambiarán y en los idiomas para los que un museo no podría costear una sesión de estudio.

• Ocho idiomas suponen ocho contrataciones con voces humanas, frente a un proceso de generación de audio con voces sintéticas

• Las correcciones no dependen de que el locutor original vuelva a estar disponible

• Permite ofrecer idiomas que un museo pequeño no podría costear de otro modo

• Las exposiciones temporales pueden abrir y actualizarse sin reservar tiempo de estudio

La solución mixta que eligen muchos museos

En la práctica, rara vez se trata de elegir solo una de las dos opciones. Una solución habitual es utilizar una voz humana en el idioma principal de los visitantes, donde se concentra la mayor parte de la escucha y más importa la personalidad de la institución, y voces sintéticas para las versiones traducidas que permiten acceder a la guía al resto del público.

Así se destina más presupuesto a donde más se escucha, sin que el coste deje a los visitantes de otros idiomas sin ninguna opción. También refleja una realidad incómoda: la alternativa viable a una versión traducida con voz sintética normalmente no es una traducción con voz humana, sino no ofrecer esa versión.

La misma lógica se puede aplicar dentro de una guía. Las paradas destacadas y los testimonios orales pueden llevar una voz humana; las indicaciones habituales de orientación y las introducciones a las salas pueden usar una voz sintética.

Cómo obtener buenos resultados con una voz sintética

Las voces sintéticas fallan de formas previsibles, y muchos de esos problemas se resuelven en el guion antes que en los ajustes de voz. Los topónimos, los nombres de personas y los términos técnicos suelen causar dificultades, especialmente los nombres maoríes y de otros pueblos indígenas, que las voces genéricas pronuncian mal con frecuencia.

Prepara una lista de pronunciaciones junto con el guion. Comprueba en el audio generado todos los nombres importantes antes de publicar la guía, no después de que lo señale un visitante. Pronunciar mal un nombre de importancia cultural es un error real, no un detalle cosmético. Si no se puede corregir en la síntesis, conviene recurrir a una grabación humana para esas frases.

La puntuación también influye más de lo que parece. Las comas y los puntos marcan el ritmo; dividir una frase larga suele corregir un problema de locución más rápido que cambiar los parámetros de la voz.

• Mantén una lista de pronunciación de nombres, lugares y términos técnicos

• Escucha cada nombre en el audio generado antes de publicar

• Usa la puntuación para controlar el ritmo antes de modificar los ajustes de voz

• Valora una grabación humana para los nombres de importancia cultural

Sea cual sea la opción, graba bien los originales

La calidad del audio se percibe de forma inconsciente y rápida. Quizá los visitantes no sepan identificar el eco de una sala o el ruido de fondo, pero sí sentirán que la guía suena poco profesional y dejarán de escucharla.

Si grabas una voz humana, importa más una sala acondicionada que un micrófono caro. Los muebles y materiales blandos, un espacio pequeño y una distancia constante respecto al micrófono darán mejor resultado que un buen micrófono en una galería de paredes duras. Siempre que sea posible, graba todo en una sola sesión: ni la sala ni la voz sonarán exactamente igual en días distintos.

Conserva los archivos originales sin procesar. Los formatos y las plataformas de reproducción cambian. Un museo que guarda sus grabaciones maestras puede volver a exportar la guía años después sin tener que grabarla de nuevo.