La limpieza manual de pistas vocales es una de las tareas más tediosas y demandantes en la producción de podcasts, audiolibros y locuciones comerciales. Inspeccionar formas de onda durante horas para cortar cientos de "eh", "em" y "o sea", ampliar la visualización espectral para eliminar chasquidos de saliva o de labios y recortar sílabas trabadas por el tartamudeo puede multiplicar por tres o cuatro la duración de cualquier sesión de edición.
Cleanvoice AI fue desarrollado para erradicar este cuello de botella en la posproducción de audio. A diferencia de las herramientas que dependen exclusivamente de la transcripción de texto a voz (Speech-to-Text), Cleanvoice analiza el audio directamente a nivel de forma de onda acústica. Esto le permite detectar y suprimir automáticamente muletillas en más de 20 idiomas, eliminar ruidos bucales y chasquidos de saliva provocados por micrófonos sensibles y suavizar repeticiones o tropiezos al hablar, todo ello conservando la naturalidad y el ritmo de la conversación.
En esta guía se detalla cómo los podcasters, locutores y productores de vídeo utilizan Cleanvoice para purificar sus grabaciones, cómo configurar los parámetros de detección según el formato del programa y cómo elegir entre la renderización directa y la exportación de líneas de tiempo para estaciones de trabajo de audio digital (DAW).
1. Detección acústica vs. edición basada en texto: por qué Cleanvoice es diferente
Muchos creadores conocen editores basados en texto donde se elimina el audio borrando palabras en una transcripción. Aunque este método resulta intuitivo, presenta limitaciones notables en situaciones reales: primero, los motores de texto tienen dificultades para identificar muletillas en idiomas distintos del inglés o en locutores con acentos marcados; segundo, cuando alguien tartamudea o titubea a media palabra, la transcripción suele transcribir erróneamente palabras repetidas enteras o saltarse el tropiezo; y tercero, los ruidos físicos de la boca (saliva, chasquidos de labios) no generan palabras y, por ende, el motor de texto no los percibe.
Cleanvoice aborda el problema desde la acústica pura:
- Detección de muletillas multilingües (Filler Words): Entrenado con espectrogramas de ondas sonoras humanas, Cleanvoice reconoce vacilaciones y muletillas en más de 20 idiomas (entre ellos español, inglés, alemán, francés, portugués, italiano, neerlandés, rumano, polaco, turco y árabe). Funciona con eficacia ante diversos acentos regionales y titubeos espontáneos, aislando el sonido parásito sin mutilar las palabras contiguas.
- Eliminación de ruidos bucales y chasquidos (Mouth Sounds): Los micrófonos de condensador captan hasta el menor chasquido de labios o burbuja de saliva al abrir la boca. Los plugins tradicionales (como iZotope RX Mouth De-Click) requieren calibrar manualmente umbrales de sensibilidad y filtros de frecuencia para cada voz. Cleanvoice analiza la pista entera y limpia estos microtransitorios automáticamente sin degradar consonantes percusivas como la "t" o la "k".
- Corrección de tartamudeos y tropiezos (Stutters & Hesitations): Al detectar patrones repetitivos de sílabas al inicio de una palabra (por ejemplo, "pe-pe-pero" o falsos comienzos), Cleanvoice elimina las repeticiones innecesarias y restituye la fluidez de la frase, respetando las pausas deliberadas del orador.
2. Flujo de trabajo paso a paso: de la pista en bruto al máster depurado
La plataforma web de Cleanvoice permite procesar episodios completos en pocos minutos mediante un flujo de trabajo optimizado:
Paso 1: Subir archivos de audio o vídeo
Accede al panel de Cleanvoice y carga tus archivos de grabación:
- Formatos admitidos: Admite contenedores de audio habituales (WAV, MP3, M4A, FLAC, OGG, AAC) y formatos de vídeo (MP4, MOV, WebM).
- Límites de tamaño: Hasta 3 GB por archivo para cuentas registradas (1,5 GB para usuarios invitados) y hasta 8 GB en total para sesiones multipista.
- Procesamiento multipista (Multitrack): En entrevistas grabadas con micrófonos independientes, se pueden subir hasta 5 pistas individuales simultáneamente. Cleanvoice procesa las pistas de manera coordinada, garantizando que los recortes en la pista del presentador mantengan una sincronización de fase perfecta con las pistas de los invitados.
Paso 2: Configurar los parámetros de limpieza
Cleanvoice permite activar o desactivar cada módulo según el tono de la producción:
| Parámetro | Función | Recomendación de uso |
|---|---|---|
| Filler Words (Muletillas) | Detecta y corta expresiones de duda ("eh", "um", "este", "o sea") en más de 20 idiomas | Recomendado para monólogos educativos, resúmenes y entrevistas |
| Mouth Sounds (Ruidos bucales) | Elimina chasquidos húmedos de labios, saliva y ruidos de lengua | Indispensable en audiolibros, locución comercial y podcasts con micrófono cercano |
| Stutters (Tartamudeo) | Suprime repeticiones involuntarias de sílabas y falsos arranques | Ideal para charlas espontáneas, entrevistas en directo y tertulias |
| Breath Removal (Respiraciones) | Reduce o silencia inhalaciones audibles y jadeos | Configurar en modo natural o legacy para no asfixiar el tono de la voz |
| Dead Air (Silencios prolongados) | Acorta pausas excesivamente largas e incómodas | Recomendado; ajustar umbral para mantener la naturalidad del diálogo |
| Preserve Length (Mantener duración / Silenciado) | Reemplaza las muletillas por silencio ambiental sin acortar el tiempo | Obligatorio para vídeo y proyectos que deban sincronizarse en un DAW |
Paso 3: Procesar y auditar los resultados
Cleanvoice procesa un episodio de 60 minutos en aproximadamente 5 a 10 minutos. Una vez terminado, la pantalla muestra un informe cuantitativo detallando el total de muletillas eliminadas, ruidos bucales limpiados y tartamudeos corregidos.
El reproductor integrado incluye un interruptor A/B para comparar de inmediato el audio original con la versión procesada antes de consumir créditos de exportación.
3. Dos modalidades de salida: Renderizado directo vs. Exportación a DAW
Una de las principales fortalezas de Cleanvoice es que no encierra a los ingenieros de sonido en un archivo cerrado, ofreciendo dos alternativas según el flujo de posproducción:
Modalidad A: Descarga de archivo terminado (Publicación rápida)
Idónea para creadores independientes, canales de YouTube, pódcasts diarios y seminarios web corporativos:
- Formatos de audio: Exportación en WAV sin pérdida, FLAC, MP3 a 320 kbps, AAC u Opus.
- Mejora vocal integral: Se puede combinar la eliminación de ruidos bucales con Noise v2 (reducción de ruido ambiental) y Normalize v2 (nivelación de sonoridad a -16 LUFS estándar para podcasts) en una sola operación.
- Compatibilidad de vídeo: Al procesar archivos MP4 o MOV con la opción
Preserve Lengthactivada, los fragmentos conflictivos se silencian con tono de sala, evitando los molestos saltos visuales en pantalla (jump cuts).
Modalidad B: Exportación de líneas de tiempo y marcadores (Flujo profesional en DAW)
Para producciones narrativas, audiolibros de alta gama y radio comercial donde el productor prefiere supervisar cada corte individualmente:
- Adobe Audition y Premiere Pro: Exporta proyectos XML con cortes preestablecidos o marcadores de secuencia insertados.
- DaVinci Resolve: Genera listas de decisiones de edición (EDL) con precisión de fotograma para la pista de audio.
- REAPER: Descarga archivos de proyecto de REAPER con cortes limpios y fundidos cruzados configurados.
- Audacity: Exporta pistas de etiquetas (Label Track) que señalan la posición exacta de cada muletilla y chasquido.
Este modelo híbrido permite que la inteligencia artificial localice cientos de microdefectos en segundos, mientras el editor humano mantiene el control creativo para decidir si conserva un titubeo que aportaba carga dramática o ajusta la duración de una transición.
4. Comparativa: Cleanvoice frente a plugins tradicionales y editores basados en texto
| Característica | Cleanvoice AI | Plugins convencionales (iZotope RX / Audition) | Editores basados en texto (ej. Descript) |
|---|---|---|---|
| Base de detección | Red neuronal entrenada en acústica vocal | Algoritmos de umbral espectral | Reconocimiento de voz a texto (ASR) |
| Muletillas multilingües | Compatible de forma nativa con más de 20 idiomas | No disponible (requiere corte manual de onda) | Supeditado al diccionario de transcripción; falla en dialectos |
| Chasquidos de saliva y labios | Automatizado en toda la pista en pocos minutos | Muy eficaz, pero exige calibrar umbrales por voz | No disponible (no existe representación textual) |
| Eliminación de tartamudeos | Identificación de bucles de sílabas y empalme limpio | Requiere zoom manual y fundidos cruzados a mano | Tiende a confundir el tartamudeo con palabras duplicadas |
| Exportación a DAW | Directa a Audition, Resolve, REAPER y Audacity | Funciona como plugin residente en el DAW | Requiere flujos propios de exportación de proyecto |
| Sincronización multipista | Procesa hasta 5 pistas preservando la fase | Requiere edición manual agrupada | Alineación básica por texto |
5. Buenas prácticas para obtener resultados impecables
Para maximizar la naturalidad de la pista final al utilizar Cleanvoice, conviene seguir estas recomendaciones:
- Evitar la sobrecorrección artificial: Quitar cada pequeña respiración o pausa reflexiva hace que la voz suene acelerada y carente de emoción. Se aconseja utilizar el modo de respiración
naturalolegacypara mantener el aire y la expresividad del locutor. - Utilizar "Preserve Length" para vídeo y mezclas externas: Si la pista se va a montar con vídeo o se va a mezclar junto a música en un DAW, activa siempre
Preserve Length(en la API:muted: true). Esto silencia los artefactos con sonido de sala en lugar de acortar la línea temporal, preservando la sincronía. - Controlar la fuente antes del micrófono: Aunque el desparasitador bucal de Cleanvoice es sobresaliente, una boca excesivamente seca puede dejar pequeños artefactos si el chasquido coincide de lleno con una vocal tónica. Beber agua a temperatura ambiente antes de grabar y situarse a unos 10-15 cm del micrófono con filtro antipop facilita el trabajo del algoritmo.
- Tener en cuenta el periodo de almacenamiento de 7 días: Cleanvoice conserva los archivos originales y procesados durante 7 días en sus servidores seguros antes de su borrado definitivo. Conviene descargar las versiones definitivas y los archivos de tiempo dentro de este plazo.
6. Opciones de precios y modelos de suscripción
Cleanvoice aplica un sistema de créditos basado en la duración del audio procesado, adecuado tanto para creadores puntuales como para estudios de producción:
- Prueba gratuita: 30 minutos de procesamiento sin coste al registrarse, sin necesidad de ingresar tarjeta bancaria.
- Paquetes de pago por uso (Créditos válidos durante 2 años):
- 5 horas: 11 $ (2,20 $ / hora)
- 10 horas: 20 $ (2,00 $ / hora)
- 30 horas: 45 $ (1,50 $ / hora)
- Paquetes de gran volumen de hasta 200 horas (180 €).
- Planes de suscripción mensual (con acumulación de horas no usadas):
- Opciones desde 10 € al mes.
- Plan habitual de 30 horas a 28 $/mes.
- Los créditos mensuales no utilizados se acumulan automáticamente para los meses siguientes, hasta un tope máximo de 3 veces la cuota mensual contratada.
- API REST y SDKs para desarrolladores: Documentación completa y bibliotecas oficiales para Python (
cleanvoice-sdk) y JavaScript/TypeScript (@cleanvoice/cleanvoice-sdk), lo que facilita su integración en plataformas de automatización como Make o n8n y herramientas SaaS de vídeo.
Cleanvoice resuelve el vacío existente entre el arduo trabajo manual de recortar formas de onda y las limitaciones de los editores basados en texto. Al actuar con precisión sobre los componentes acústicos de la voz, ahorra horas de tareas repetitivas y permite a los creadores centrarse plenamente en el contenido y la narración.
Referencias
- Cleanvoice AI | Edit Audio & Video Podcast in 10 Mins, in Clicks
- Cleanvoice AI Marketing & Feature Overview (llms.txt)
- AI Filler Word Remover: Cut the Ums & Uhs | Cleanvoice AI
- Mouth Noise Remover: Clicks & Lip Smacks | Cleanvoice AI
- Stutter Remover — Fluent Audio with AI | Cleanvoice AI
- Cleanvoice AI API & Developer Documentation (llms.txt)
- Pricing — Start Free, Plans from €10/month | Cleanvoice AI