--- title: "Voz y visuales: narración local, stock e IA opcional" description: "Voz y visuales en CLAQON: narración local con tiempos por palabra y clips de stock con licencia; ElevenLabs, imagen y vídeo con IA sólo si los activas." url: https://claqon.com/funciones/voz-y-visuales/ language: es updated: 2026-10-12 alternates: en: https://claqon.com/en/features/voice-and-visuals/ pt: https://claqon.com/pt/funcionalidades/voz-e-visuais/ --- Voz y visuales # Voz y visuales: narración local, clips de archivo e IA sólo si la activas La voz y los visuales de cada vídeo de CLAQON salen, por defecto, de tu propio equipo y de stock con licencia: una narración local con los tiempos de cada palabra para los subtítulos y clips verticales de Pexels. La voz de ElevenLabs, la imagen y el vídeo con IA vienen apagados; los activas por cuenta, con su presupuesto y su coste a la vista. [Pre-regístrate](https://claqon.com/pre-registro/?modulo=funcion-voz-visuales#configurador) [Ver el control de gasto](https://claqon.com/funciones/control-de-gasto/) - Narración local sin coste por vídeo - Clips de stock con licencia, por defecto - Lo de pago, apagado hasta que lo activas Qué resuelve ## ¿Cómo narrar e ilustrar cada día sin disparar el coste? La voz y, sobre todo, el vídeo generado con IA son la parte cara de un short. Si cada pieza paga por todo, el coste se multiplica por el número de cuentas y de franjas; si nada se paga, el resultado puede quedarse corto en las escenas que importan. CLAQON empieza en cero —voz local y stock— y te deja pagar sólo donde aporta: una voz de pago, imágenes generadas o clips de vídeo con IA en las escenas clave. Cada opción de pago se activa por cuenta, con presupuesto propio y con el coste estimado antes de gastar. Cómo funciona ## De la narración al montaje 1. **Narración** Piper o Kokoro en tu equipo, ElevenLabs si lo activas, o tu propia voz alineada. Siempre con los tiempos de cada palabra. 2. **Plan de escenas** Los tiempos reales de la narración deciden la duración de cada escena. 3. **Visuales según el perfil** Stock por defecto; con un perfil de pago, imagen o vídeo con IA en las escenas clave. 4. **Puerta antes de pagar vídeo** Ningún clip de vídeo con IA se pide hasta cumplir 7 condiciones, del guion aprobado a las referencias de todas las escenas. 5. **Montaje con sonido** FFmpeg monta en tu equipo, con música por tono y efectos que rotan. Capacidades ## Voces, visuales, música y efectos ### Voz para tus vídeos - **Voz local con Piper**: Narración en tu equipo, sin coste por vídeo, con tiempos por palabra. Algunas voces vienen instaladas y el resto se descarga al usarlas. - **Kokoro en inglés**: Voz local más natural para inglés de Estados Unidos y del Reino Unido, con 6 voces. - **Licencias de las voces locales**: Las voces locales tienen licencias distintas y no todas permiten el uso comercial. La edición comercial se preparará con una lista blanca de voces con licencia comercial: hasta entonces, revisa la licencia de cada voz antes de usarla en un canal monetizado. - **ElevenLabs Apagado por defecto**: Multilingual v2, Flash v2.5 y v3, con tiempos por palabra. Usa las voces de tu cuenta, pide confirmar el derecho de uso y valida voz y modelo antes de gastar. - **Tu propia narración**: Subes tu audio (25 MB como máximo) y Faster Whisper lo alinea en local con el guion. Si no coincide, se rechaza sin pagar otra síntesis. - **Idioma de la cuenta**: La narración usa el idioma de la cuenta, y te avisa si el guion está escrito en otro. - **Diccionario de pronunciación Beta**: Por cuenta. Hoy se aplica a la narración local del Estudio y de la Sala de Comentario; en la fábrica, todavía no. ### Visuales: stock, imagen y vídeo con IA - **Stock contextual**: Clips verticales de Pexels con licencia, puntuados por escena y sin repetir lo que la cuenta usó en 45 días. Es lo que usa cada cuenta por defecto. - **Perfiles visuales**: Gratis, Ahorro, Equilibrado, Calidad y Estricto deciden cuánta IA visual se paga, desde sólo stock hasta clips generados en todas las escenas. El panel enseña el coste estimado de cada perfil antes de aplicarlo. - **Planos clave Apagado por defecto**: En el modo híbrido, un selector determinista elige de 1 a 8 escenas clave (gancho, clímax, cierre…) para un clip de vídeo con IA; el resto usa stock o imagen. - **Imagen con IA Apagado por defecto**: FLUX.2 de BFL, en sus variantes klein 4B, klein 9B y pro, hasta 1 megapíxel. - **Vídeo con IA, de imagen a vídeo Apagado por defecto**: 18 modelos generales: 12 a través de Runway (como Gen-4 Turbo, Veo 3.1 o Wan 3) y 6 a través de fal.ai (H3 Max y PixVerse V6). Cada clip parte de una imagen de referencia validada. - **Regenerar una escena**: Hasta el máximo que configures. La voz y el resto de los activos se conservan. - **Conexiones cifradas**: Las claves de cada proveedor se guardan cifradas con AES-256-GCM y nunca vuelven al navegador. Ves el plan, la cuota o el saldo sin coste, según lo que permita cada proveedor. ### Música y efectos de sonido - **Música por tono**: 9 camas musicales con licencia CC0 (curiosidad, tensión, energía y calma), niveladas a −20 LUFS y elegidas por el tono del guion. También puedes subir tu música. - **Efectos de sonido**: 18 efectos: whoosh, impacto, riser y pop, más cómico, ding y glitch para el director IA. Las variantes rotan para no repetirse, y cada uno lleva su procedencia en la ficha del vídeo. - **Sonoridad y ruido Apagado por defecto**: Normalización a −14 LUFS para redes y reducción de ruido por montaje, en el Estudio y en la Sala de Subtítulos. Límites ## Límites de la voz y los visuales - No todo el material comparte licencia: no todas las voces locales permiten el uso comercial, no afirmamos que todos los efectos lo permitan, y Freesound y GIPHY, que usa el director IA (apagado), tienen condiciones propias. Revisa la ficha de procedencia antes de monetizar. - Sin clonación de voz, sin doblaje y sin regenerar una sola frase de la narración. - El stock es sólo de Pexels: no hay grandes bibliotecas creativas integradas. - La imagen y el vídeo con IA necesitan tus claves de BFL, Runway o fal.ai y presupuesto en la cuenta. ElevenLabs exige un plan de pago para uso comercial. - El catálogo de precios caduca cada mes: si caduca, no se cotiza nada de pago, ni siquiera la voz de ElevenLabs. Preguntas frecuentes ## Preguntas sobre la voz y los visuales ### ¿Puedo producir sin pagar voz ni imágenes? Sí. Es la configuración por defecto: narración local en tu equipo, clips de stock de Pexels y montaje con FFmpeg. Además de la clave gratuita de Pexels, sólo necesitas un modelo de IA para el guion, que puede ser local. ### ¿Puedo usar las voces locales en un canal monetizado? No todas: tienen licencias distintas y algunas no permiten el uso comercial. La edición comercial se limitará a una lista blanca de voces con licencia comercial, que está en preparación. El plan gratuito de ElevenLabs tampoco lo permite. ### ¿Puedo narrar con mi propia voz? Sí. Subes tu narración (hasta 25 MB) y Faster Whisper la alinea en local con el guion para que los subtítulos sigan cada palabra. En el [Estudio de montaje](https://claqon.com/funciones/estudio-de-montaje/) también puedes grabarte con el micrófono. CLAQON no clona voces. ### ¿Qué modelos de vídeo con IA admite? Modelos de imagen a vídeo de Runway y fal.ai: 18 en el catálogo general. Vienen apagados, necesitan tus claves y, antes de pagar un clip, la puerta de vídeo exige que todo lo anterior esté aprobado. ### ¿Cuánto cuesta la IA visual? Depende del perfil y del modelo. El panel te enseña el coste estimado de cada perfil antes de aplicarlo, y cada producción se cotiza y reserva antes de gastar, dentro de tus techos. [Ver el control de gasto](https://claqon.com/funciones/control-de-gasto/). Acceso anticipado ## Decide tú qué paga cada vídeo Cuéntanos qué voz y qué estilo visual buscas para tus canales y cuánto quieres gastar por pieza. Te diremos cómo se configuraría en CLAQON. [Pre-regístrate](https://claqon.com/pre-registro/?modulo=funcion-voz-visuales#configurador) [Ver la fábrica de shorts](https://claqon.com/funciones/fabrica-de-shorts/)