Clonar voz con IA para tu empresa: usos, límites y permisos

Clonar una voz con IA es crear una voz sintética que suena como una persona concreta a partir de grabaciones suyas, de forma que pueda leer cualquier texto sin que esa persona lo grabe. En una empresa se usa para locuciones, vídeos o agentes de voz con Meta o con otros canales, siempre que la persona haya dado su permiso por escrito.

Además, la tecnología es útil y, a la vez, delicada, porque la voz es un dato personal y puede usarse para suplantar a alguien. Por ejemplo, un negocio que graba 30 mensajes de locución cada vez que cambia un horario puede ahorrar 5 horas, pero solo con la autorización clara de quien presta su voz. Según el caso, bastan 2 o 3 pasos. Además, una voz de 20 minutos de audio ya sirve para pruebas. En esta guía verás para qué sirve, qué permisos hacen falta, qué límites poner y cuándo conviene una voz propia o una voz natural genérica.

¿Para qué se clona una voz en una empresa?

La identidad sonora es la voz que identifica a un negocio. Se clona una voz para mantener una identidad sonora coherente en locuciones, vídeos y llamadas, sin depender de que la persona grabe cada vez. Si la voz del negocio es la del fundador o de una locutora, la clonación permite reutilizarla en mensajes nuevos con un resultado parecido. Ahorra tiempo cuando los textos cambian a menudo.

• Locuciones de centralita: horarios, festivos y avisos que cambian.
• Vídeos y formación: narración de contenidos largos.
• Agentes de voz: un asistente que habla con una voz reconocible.

Además, por ejemplo, una academia que lanza 12 cursos al año necesita 12 locuciones nuevas en 12 meses, con Meta y con vídeo. Con una voz clonada, el texto se prepara y se genera en minutos. Según el caso, una voz natural genérica da un resultado igual de bueno y evita la gestión de permisos, durante meses de trabajo. Tienes ejemplos en locución para centralita.

¿Qué permisos hacen falta para clonar una voz?

El consentimiento es la autorización libre e informada de la persona, y para clonar una voz hace falta el consentimiento expreso, mejor por escrito. Debe constar para qué se usará, durante cuánto tiempo y dónde. La voz es un dato personal, y el RGPD exige base legal, finalidad concreta y deber de informar.

Pongamos que un negocio quiere usar la voz de una empleada para 20 mensajes de su centralita. Antes de grabar, firman un documento con los usos permitidos, el plazo y cómo puede retirar su permiso. Un trabajador no puede ser obligado a ceder su voz, según el caso.

Además, nunca se debe clonar la voz de un cliente, de un famoso o de cualquier persona sin su autorización. Por último, con Google Drive, conserva el consentimiento firmado durante todo el tiempo que se use la voz. Pide a un asesor legal que revise el texto exacto.

¿Qué límites conviene poner?

Un límite es una regla sobre qué puede decir la voz clonada y dónde puede usarse. La principal: no hacer creer a nadie que habla la persona real cuando habla una IA. La normativa europea de IA pide transparencia: el cliente tiene que saber que habla con una IA. Una voz sintética en una llamada debe presentarse como asistente virtual.

Por ejemplo, un agente de llamadas puede usar una voz parecida a la del fundador, pero debe decir «soy el asistente virtual de [negocio]». En vídeos, puede indicarse que la voz está generada con IA. Con WhatsApp o con Meta, los anuncios que usen voz sintética también deben evitar engañar.

• Lista de textos y usos permitidos, por escrito.
• Prohibido suplantar, imitar a terceros o decir lo que la persona no diría.
• Responsable de los archivos de audio, con acceso limitado a 2 o 3 personas.

Además, guarda las grabaciones originales en un lugar seguro, con copia cifrada, durante 1 año.

¿Cuándo conviene una voz clonada y cuándo una voz natural genérica?

Una voz natural genérica es una voz sintética de calidad que no copia a nadie. Conviene una voz clonada cuando la identidad sonora es parte de la marca, y una genérica cuando solo importa que se entienda bien. La genérica no exige permisos de una persona concreta y se puede cambiar en cualquier momento.

En la práctica, un despacho pequeño de 5 personas que quiere un asistente telefónico fiable suele empezar con una voz genérica de calidad. Además, valora la clonación solo si la marca personal pesa mucho, con Google Calendar para revisar en 6 meses. Primero, si la voz es de alguien del equipo, calcula qué pasa en 2 o 3 años si cambia de empleo.

Según el caso, un agente de llamadas se construye con voz natural, se presenta como asistente virtual y deja la transcripción en la ficha. Lo ves en voz natural en agentes de llamadas. La creación se presupuesta en una videollamada de 45 minutos sin compromiso desde agentes de IA.

¿Qué riesgos tiene clonar una voz?

Un riesgo es una amenaza para la persona o para el negocio. Los principales son la suplantación, el uso no autorizado y la pérdida de confianza si el cliente se siente engañado. Una voz clonada puede servir para estafas si cae en malas manos, así que protege el acceso con contraseña fuerte y doble factor.

Por ejemplo, si una empresa guarda 50 grabaciones de su responsable en una carpeta compartida sin control, cualquiera podría generar mensajes en su nombre. Limita los permisos, registra quién genera audios y revisa los textos antes de publicarlos.

Además, informa siempre a los clientes cuando hablan con una IA. Según el estudio Lead Response Management (MIT e InsideSales.com, 2007), llamar a un lead en los primeros 5 minutos, frente a hacerlo a los 30, multiplica por 21 la probabilidad de cualificarlo. La rapidez vale, pero la transparencia no se negocia. Cifra los archivos con Google Drive u otro almacén.

Preguntas frecuentes

¿Cuánta grabación hace falta para clonar una voz?

El material de partida es el audio con el que se entrena la voz. Depende de la herramienta y de la calidad que busques, y puede ir de unos pocos minutos a varias horas de audio limpio. Lo importante es que la grabación sea nítida, sin ruido ni música, y que recoja distintos tonos y frases. Cuanto mejor sea el material de partida, mejor suena el resultado, según el caso.

Por ejemplo, con Google Meet o con un micrófono, 15 o 20 minutos de lectura tranquila en una habitación silenciosa suelen dar una base razonable para pruebas. Además, comprueba el resultado leyendo 5 o 6 frases de ejemplo y pide a otra persona que opine. Por último, ten presente que una voz clonada no tiene exactamente las pausas y las emociones de la persona, y puede notarse en textos largos.

¿Se puede clonar la voz de una persona que ya no trabaja en la empresa?

Un consentimiento vigente es el que la persona no ha retirado y cubre ese uso. Solo si el consentimiento firmado lo permite expresamente y sigue vigente. Si la persona se ha ido y no autorizó usos posteriores, la voz debe dejar de utilizarse y los archivos deben borrarse o bloquearse, según los plazos pactados. La voz es un dato personal, y la persona conserva sus derechos sobre ella también después de dejar el negocio.

En la práctica, con Google Docs, incluye en el documento qué pasa en caso de baja: por ejemplo, un plazo de 30 días para retirar los audios. Además, avisa a quien gestione la centralita y la web para sustituir las locuciones. Por eso muchos negocios optan por una voz genérica, que evita el problema desde el principio y no depende de nadie.

¿El cliente tiene que saber que la voz es de una IA?

La transparencia es el deber de decir que se habla con una IA. Sí, porque la normativa europea de IA pide transparencia: el cliente tiene que saber que habla con una IA, según el caso desde el primer segundo. En una llamada, el asistente debe presentarse como asistente virtual, y en un vídeo es recomendable indicar que la voz está generada. Es una cuestión de respeto y de confianza, no solo de cumplimiento legal.

Por ejemplo, en menos de 5 segundos, el agente de llamadas dice al inicio: «Hola, soy el asistente virtual de [negocio]», y con 2 frases más pregunta el motivo. Además, si la persona pide hablar con alguien del equipo, el agente le pasa la llamada. Con WhatsApp Business o con Meta, lo mismo: el mensaje inicial deja claro quién escribe. Según el caso, esa claridad no resta ventas, y evita reclamaciones cuando alguien descubre el engaño tarde.

Página principal: los agentes de IA para empresas que atienden, llaman y agendan por ti, también sin CRM.