Tu clip, hablando un idioma que tú no hablas
Un clip terminado puede doblarse a 19 idiomas sin volver a grabar nada y sin gastar tu cuota mensual de vídeos. Pero bajo la expresión «doblaje con IA» se venden cuatro cosas distintas, y no son intercambiables. Aquí va primero la comparación, para que sepas si es la que querías.
Cuatro enfoques, uno al lado del otro
Cada fila es una categoría real de producto con compromisos reales. Dos de ellas no las ofrecemos, y los motivos te sirven más que la función.
| Enfoque | Qué obtienes | El compromiso | Katto |
|---|---|---|---|
| Subtítulos traducidos | Texto en el idioma de destino | Quien mira sigue oyendo un idioma que no habla. Suficiente para un clip que funciona en silencio, flojo para todo lo que depende de la interpretación. | También disponible |
| Doblaje con voz sintética | Una pista hablada nueva en el idioma de destino | La voz no es la de quien habla. Se escucha natural, pero quien conozca el original notará a un desconocido. | Lo que hace Katto |
| Clonación de voz | La voz propia de la persona, en otro idioma | Requiere su consentimiento para ser legítima, y la misma capacidad produce imitaciones convincentes. El riesgo no es técnico, está en lo que otro haga con ello. | Deliberadamente no lanzado |
| Doblaje con sincronía labial | La boca recalculada para encajar con el nuevo audio | Con diferencia el más pesado, y se cae en cuanto el plano no es un retrato frontal limpio. En material de pódcast recortado, eso es la mayoría. | No lanzado |
Lo difícil es el reloj, no la voz
Llamar a una API de síntesis de voz es la mitad fácil. La dificultad está en que la traducción cambia la longitud: la misma frase suele ser un tercio más larga en un idioma que en otro, y un doblaje que lo ignora se desfasa un poco más con cada intervención, hasta que quien habla responde a una pregunta que aún no le han hecho.
Por eso el ritmo original se trata como un dato y no como algo que sobrescribir. Cada frase se traduce con su duración hablada como restricción, se sintetiza por separado y se vuelve a encajar en el hueco del que salió, estirada solo dentro de límites que la mantienen humana. Los subtítulos se generan con el mismo reloj, para que el texto y el nuevo audio no puedan separarse.
Lo que te cuesta
El doblaje no toca tu cuota mensual de vídeos, porque esa cuota cuenta vídeos de origen que conviertes en clips, y un doblaje es trabajo sobre un clip ya hecho. Tiene su propio límite: 20 doblajes por cada 30 días móviles, hasta 3 idiomas por petición, y los más antiguos van saliendo de la cuenta al envejecer. El editor muestra cuántos te quedan antes de que elijas, no después.
El límite existe porque la síntesis de voz es el único paso cuyo coste sigue al uso y no a la duración del vídeo. Preferimos dar una cifra a vender una promesa ilimitada que luego se recorta en silencio.
La que no vamos a lanzar
La clonación de voz es la función que todo el mundo pide, y es la razón de que esta página tenga esta forma. Reproducir la voz de alguien a partir de un clip es exactamente la capacidad de ponerle palabras en la boca, y abrirla al público significa entregársela a gente cuyas intenciones no podemos comprobar. Si algún día llega, llegará condicionada a probar que la voz pertenece a quien la pide. Hasta entonces el doblaje usa una voz sintética y no finge ser nadie.
Preguntas
19. El motor que hay debajo habla bastantes más, y el selector se abrirá cuando la calidad se haya comprobado idioma por idioma en vez de darse por supuesta. Anunciar una cifra sin verificar es convertir una función en una cola de soporte.
No. La cuota cuenta vídeos de origen que conviertes en clips. El doblaje tiene su propio límite: 20 por cada 30 días móviles, hasta 3 idiomas de una vez. Los más antiguos salen de la cuenta al envejecer.
Porque la síntesis de voz es el único paso cuyo coste crece con el uso y no con la duración de tu vídeo. Un límite es la versión honesta de esa restricción. La alternativa es una promesa ilimitada que se degrada en silencio.
Ese es el verdadero problema de ingeniería, y no se resuelve llamando a una API de síntesis de voz. El ritmo original se conserva como dato, cada frase se traduce por su duración hablada y no solo por su sentido, se sintetiza aparte y se reencaja en su hueco. Los subtítulos van con el mismo reloj para no separarse del nuevo audio.
La tecnología funciona. El problema es que una herramienta capaz de reproducir la voz de cualquiera a partir de un clip es también una herramienta para ponerle palabras en la boca, y la estaríamos entregando a desconocidos. Si llega, llegará tras una prueba de consentimiento, no como un interruptor.
Sí. La misma operación está disponible por la API REST y como herramienta MCP, así que un agente puede doblar un clip terminado sin navegador. Devuelve una tarea que consultar, no una llamada bloqueante.
Llega a un público que no habla tu idioma
El doblaje es una función de Creator. El clip que ya hiciste es la entrada: nada que regrabar y ninguna cuota que gastar.