Crear un clon de voz personalizado con inteligencia artificial en Lovo.ai Genny implicaba un proceso riguroso dividido en dos etapas esenciales: la grabación de una muestra de audio limpia de uno a dos minutos y la posterior calibración en la línea de tiempo (modulando tono, velocidad, pausas personalizadas y reglas de pronunciación) dentro del editor de video multipista de Genny. Este flujo de trabajo permitió a creadores de contenido, educadores y equipos de mercadotecnia producir locuciones escalables y coherentes sin depender de grabaciones de estudio recurrentes.
Sin embargo, los creadores que evalúan este método en la actualidad deben considerar un hecho determinante en la industria: en mayo de 2026, Lovo, Inc. solicitó la liquidación por bancarrota bajo el Capítulo 7 tras una histórica demanda colectiva sobre clonación no autorizada de voz (Lehrman & Sage v. Lovo, Inc. en el Tribunal de Distrito de los Estados Unidos para el Distrito Sur de Nueva York), lo que provocó el cierre total y la desconexión de la plataforma lovo.ai. Analizar cómo estructuraba Genny la captura y el ajuste de voz proporciona pautas técnicas esenciales sobre la síntesis neuronal de voz, al tiempo que destaca los estrictos estándares de consentimiento legal y las herramientas alternativas activas que los profesionales deben emplear hoy en día.
1. Preparación y grabación de la muestra de audio
La naturalidad y la fidelidad de cualquier modelo de clonación neuronal dependen directamente de la pureza acústica del audio de entrenamiento. El motor de Genny analizaba el timbre, la cadencia, el rango de frecuencias y los patrones de respiración a partir de los archivos subidos. Si el audio contenía reverberación, zumbidos de fondo o saturación digital, estos defectos quedaban grabados de forma permanente en la identidad vocal sintetizada.
Entorno acústico y configuración del equipo
- Tratamiento acústico: Grabe en un espacio silencioso y sin eco. Evite habitaciones con superficies duras y reflectantes como azulejos, pisos de madera desnudos o grandes ventanales. Habitaciones pequeñas con alfombras gruesas, cortinas pesadas o armarios llenos de ropa proporcionan una absorción natural ideal para eliminar el eco flotante (flutter echo).
- Elección del micrófono: Utilice un micrófono de condensador cardioide o un micrófono dinámico de difusión conectado mediante una interfaz de audio USB o XLR profesional. Evite los micrófonos integrados de portátiles, manos libres de teléfonos móviles o auriculares Bluetooth, ya que introducen una compresión digital severa y una respuesta de frecuencia limitada.
- Técnica de colocación: Mantenga una distancia constante de 15 a 20 centímetros (6 a 8 pulgadas) respecto a la cápsula. Instale obligatoriamente un filtro antipop para dispersar los golpes de aire provocados por consonantes oclusivas («p», «b», «t»). Coloque el micrófono con una ligera inclinación de 45 grados hacia la boca para minimizar siseos y ruidos de respiración directa.
- Nivel de ganancia y volumen: Ajuste la ganancia de entrada de modo que los picos vocales oscilen de forma segura entre -6 dB y -3 dB, manteniendo un volumen promedio RMS de entre -23 dB y -18 dB. Evite a toda costa el recorte digital (clipping por encima de 0 dB), ya que la distorsión resultante destruye la precisión del modelado neural.
Duración y consistencia interpretativa
- Duración recomendada: Para la clonación rápida en Genny, se requería un mínimo de un minuto de voz limpia, situándose el intervalo óptimo entre uno y dos minutos. Subir más de tres minutos aportaba mejoras marginales y solía desestabilizar el modelo debido a variaciones tonales imprevistas.
- Uniformidad vocal: Hable con la misma entonación, ritmo y nivel de energía que requerirá la producción final. Un vídeo corporativo exige un tono sobrio y seguro; un contenido para redes sociales demanda calidez y agilidad. No alterne entre susurros, gritos o cambios drásticos de registro dentro de una misma muestra.
- Guion de lectura: Lea un texto fonéticamente equilibrado que contenga oraciones completas, variedad de signos de puntuación (preguntas, afirmaciones) y un ritmo de respiración regular, evitando carraspeos, chasquidos bucales o ruidos de hojas.
2. Importación y generación del clon en Genny
Una vez capturada y editada la pista de audio en bruto, los creadores procedían a la generación del modelo dentro de la interfaz web de Genny:
- Especificaciones de archivo: Exporte el audio en formato WAV sin compresión (16 o 24 bits, a 44,1 kHz o 48 kHz) o en MP3 de alta tasa de bits (192 kbps o superior), cerciorándose de que no exista música de fondo ni ruidos ajenos.
- Acceso al módulo: Dentro de Genny, abra el panel de selección de locutores y seleccione la opción Voice Cloning (o Create Custom Voice).
- Carga o grabación: Seleccione la opción de subir los archivos de estudio previamente editados o utilice el grabador web integrado en el navegador. La carga de archivos procesados externamente ofrecía resultados sistemáticamente más profesionales.
- Configuración de metadatos: Asigne un nombre descriptivo al perfil, defina el género de la voz y seleccione las etiquetas de idioma y acento correspondientes (por ejemplo, English - US o Spanish - Spain), facilitando la asignación del diccionario fonético adecuado.
- Verificación de derechos: Marque la casilla de declaración legal que certifica que la voz pertenece al usuario o cuenta con la debida autorización y cesión de derechos comerciales por parte del locutor.
- Procesamiento: Envíe la solicitud. El motor neuronal procesaba las características acústicas y habilitaba el clon en la biblioteca personal en un plazo habitual de uno a tres minutos.
3. Calibración y ajuste fino en la línea de tiempo
El audio generado directamente rara vez alcanza la perfección interpretativa en frases complejas. Genny integraba herramientas en su línea de tiempo para pulir la locución hasta alcanzar un estándar profesional.
Ajuste de tono (Pitch) y velocidad (Speed)
- Modulación de tono: Desde el panel lateral de propiedades del bloque de texto, ajuste el control de tono. Si la voz sintetizada suena opaca o con una resonancia artificial excesiva, incrementar el tono entre un 2% y un 5% aporta brillo y claridad. Reducirlo ligeramente confiere mayor autoridad en piezas documentales.
- Control de velocidad: El rango oscila entre 0.5x y 2.0x. En vídeos divulgativos o comerciales suele recomendarse una aceleración de 1.05x a 1.1x para evitar una cadencia monótona, mientras que en tutoriales formativos un ajuste de 1.0x o 0.95x facilita la comprensión del espectador.
Pausas personalizadas y puntuación expresiva
- Inserción de pausas en milisegundos: La síntesis artificial tiende a encadenar oraciones sin respiración natural. Genny permitía insertar marcadores de pausa con duración personalizada: entre 200 y 300 milisegundos para comas, y entre 500 y 800 milisegundos entre párrafos u oraciones complejas.
- Control mediante puntuación: El uso estratégico de guiones largos (—) para simular transiciones orales o puntos suspensivos (...) para suavizar la caída tonal de fin de frase ayuda a dotar al discurso de mayor naturalidad.
Editor de pronunciación (Pronunciation Editor)
- Términos técnicos, nombres de marca comerciales, siglas y términos en otros idiomas suelen ser pronunciados de forma defectuosa por los motores estándar de texto a voz.
- A través del editor de pronunciación de Genny, el usuario podía introducir grafías fonéticas o términos sustitutivos (por ejemplo, transcribir "SaaS" como "sass") para que la corrección se aplicara de manera uniforme en todo el guion.
Sincronización multipista y atenuación de audio (Audio Ducking)
- En la línea de tiempo multipista de Genny, sincronice los bloques de voz sintetizada con el metraje de video, la pista musical y los efectos sonoros.
- Active la función de atenuación automática (ducking) para que el volumen de la música ambiental se reduzca entre 10 dB y 15 dB automáticamente mientras haya voz presente, restaurándose suavemente al finalizar la locución.
4. El cierre de Lovo.ai y el precedente judicial de Lehrman v. Lovo
Aunque la interfaz de Genny representó un avance significativo en la integración de audio y video, su evolución se vio truncada por graves litigios sobre derechos de imagen y voz.
Quiebra y cese de operaciones
El 27 de mayo de 2026, Lovo, Inc. presentó una solicitud voluntaria de liquidación por bancarrota bajo el Capítulo 7 ante el Tribunal de Quiebras de los EE. UU. para el Distrito Sur de Nueva York (Caso N.º 26-11249). Bajo este régimen, la empresa cesó sus operaciones comerciales, desconectó sus servidores y dejó inaccesible el dominio lovo.ai, resultando en la pérdida permanente de acceso a cuentas, proyectos y clones alojados en la plataforma.
La demanda Lehrman & Sage v. Lovo, Inc.
Esta caída financiera fue la consecuencia directa de la demanda colectiva interpuesta por los actores de doblaje profesionales Paul Skye Lehrman y Linnea Sage (Caso N.º 24-CV-3770, S.D.N.Y.). Los demandantes demostraron que personal de Lovo los contrató a través de plataformas de empleo independiente bajo la premisa de grabar muestras para «investigación académica interna», utilizando posteriormente esos audios para entrenar el motor comercial de Genny y vender clones no autorizados bajo seudónimos como «Kyle Snow» y «Sally Coleman».
En su histórica resolución de julio de 2025, el tribunal federal estableció importantes criterios jurisprudenciales:
- Límites de la ley federal de derechos de autor: El tribunal dictaminó que la ley federal de derechos de autor protege las grabaciones sonoras fijadas, pero no el timbre abstracto de la voz humana ni su imitación, desestimando ciertas reclamaciones federales.
- Protección del derecho a la propia imagen y cumplimiento contractual: Por el contrario, el juez avaló plenamente las reclamaciones por incumplimiento de contrato y vulneración de los artículos 50 y 51 de la Ley de Derechos Civiles de Nueva York (derecho a la propia imagen). La sentencia reconoció que utilizar la voz de una persona sin su consentimiento para entrenar un modelo y comercializar réplicas sintéticas constituye una apropiación ilícita de su identidad personal.
- Suspensión procesal y lección ética: Aunque el proceso quedó suspendido tras la bancarrota de la empresa, el caso sentó un precedente inequívoco: clonar voces sin un contrato explícito de cesión comercial acarrea una severa responsabilidad civil y legal.
5. Alternativas comerciales activas para la clonación de voz con IA
Dado que Lovo Genny ha dejado de existir, los creadores que precisen clonar voces de forma profesional deben recurrir a plataformas consolidadas y legalmente fiables:
| Plataforma | Muestra recomendada | Principales fortalezas | Caso de uso principal |
|---|---|---|---|
| ElevenLabs | 1–3 min (Instantánea) / 30–180 min (Profesional) | Prosodia y realismo líderes en la industria, más de 30 idiomas, herramienta Voice Isolator integrada, controles de estabilidad y similitud | Locuciones de YouTube, audiolibros, pódcasts, doblaje internacional |
| Murf.ai | 5–10 min de audio limpio | Entorno corporativo optimizado para presentaciones, trabajo colaborativo en equipo, licencias comerciales garantizadas | Formación corporativa, vídeos explicativos, aprendizaje electrónico (e-learning) |
| Resemble AI | 1–5 min | Control pormenorizado de emociones, conversión voz a voz (Speech-to-Speech), marcas de agua neuronales contra el uso no autorizado | Videojuegos, anuncios interactivos dinámicos, bancos de voz corporativos seguros |
Para garantizar la viabilidad a largo plazo de cualquier proyecto con voz sintética, los profesionales deben combinar una rigurosa higiene acústica en la grabación con la custodia de contratos escritos de consentimiento y copias de seguridad locales de todos los archivos originales.