Por qué la voz falla el nombre: lee la grafía, no el sentido
El modelo nunca ve un nombre. Ve una cadena de caracteres y elige la pronunciación por la grafía más las reglas del idioma que le dijeron hablar. No sabe que FBI se deletrea, que Nguyen es vietnamita ni que 1,2 M es dinero. Todo llega como texto y se lee con un único conjunto de reglas.
Por eso los errores parecen arbitrarios. La misma voz lleva un guion de 12 minutos con elegancia y luego destroza justo la palabra sobre la que se apoya el video. El espectador perdona una voz que sabe sintética. No perdona un canal que pronuncia mal el nombre de la empresa que pasó nueve minutos analizando, porque eso suena a creador que no estudió el tema.
Ponle número. Un canal de finanzas o historia que publica tres veces por semana entrega unos 36 videos por trimestre. Cuatro nombres o cifras destrozados por video son 144 momentos en los que un espectador informado te baja de categoría en silencio. Un desliz audible cada 90 segundos convierte los comentarios sobre el tema en chistes sobre el narrador.
Y en un flujo manual el arreglo es brutalmente desproporcionado al error. Una palabra mal significa nueva toma, encajarla en el tiempo viejo, resincronizar los cortes montados sobre el audio anterior y renderizar otra vez: de una a tres horas para arreglar dos segundos. La mayoría hace esa cuenta, publica el error y reza para que nadie lo note.
Las 6 familias de error, con el ejemplo escrito de cada una
Casi toda pronunciación mal pertenece a una de seis familias. Nombrarlas importa porque cada una tiene una corrección distinta, y porque en cuanto reconoces el patrón empiezas a cazar el error mientras escribes en vez de mientras miras el video terminado.
Lee la lista con tu guion abierto. En un video de 12 minutos suelen aparecer entre ocho y veinte candidatos, y alrededor de una cuarta parte sale realmente mal. Marcarlos lleva unos cuatro minutos.
Fíjate en que ninguna de estas correcciones es sobre la voz. Todas son sobre cómo se escribió la palabra.
- Siglas. ONU es palabra, FBI son tres letras, SaaS no es ninguna de las dos hasta que tú decides. Escribe F B I con espacios o F.B.I. con puntos para forzar las letras, y escribe sas para forzar la palabra.
- Nombres propios extranjeros dentro de la frase: Nguyen, Huawei, Bouygues, Xiaomi, Nietzsche. La voz aplica reglas del español a un nombre que no las obedece y produce algo que tu audiencia no ha oído nunca.
- Números grandes, dinero y porcentaje. 1.250 puede salir como uno punto doscientos cincuenta y 18% como dieciocho porciento pegado. Escribe mil doscientos cincuenta, un millón doscientos mil dólares, dieciocho por ciento.
- Fechas y horas. 03/04/2026 es ambiguo hasta para un lector humano, años 80 puede volverse años ocho cero y 9:30 puede salir como nueve dos puntos treinta. Escribe tres de abril de dos mil veintiséis, años ochenta, nueve y media.
- Unidades y abreviaturas. kg, km/h, m2, Av. y Dr. dependen del contexto, y Av. Corrientes y Dr. Pérez usan las mismas dos letras de maneras distintas. Escribe kilos, kilómetros por hora, metros cuadrados, avenida Corrientes, doctor Pérez.
- Homógrafas que cambian con el contexto. La tilde que no escribiste convierte publico, publicó y público en tres palabras distintas, y lo mismo pasa con termino y terminó. La frase decide, y el modelo no siempre la lee como la leíste en tu cabeza.
La regla de oro: el arreglo va en el guion, no en la voz
Cuando un nombre sale mal, el instinto es cambiar de voz. Casi nunca funciona. La voz nueva lee la misma cadena con las mismas reglas y devuelve una variante del mismo error, y ahora tu canal encima perdió la identidad sonora que estaba construyendo.
Escribe para el oído. Un guion de narración no es un documento, es una instrucción para una boca. Números escritos como los dirías, importes en palabras, siglas partidas con espacios cuando deben deletrearse y escritas como suenan cuando deben decirse. Si un desconocido leyendo eso en voz alta produciría el sonido correcto, el modelo también.
Ahí entra la grafía fonética casera, el truco que salva los nombres difíciles. Toma la palabra que falla y reescríbela con letras normales que produzcan el sonido correcto en el idioma de la narración: Huawei se vuelve guau uéi, Nguyen se vuelve nuién, Bouygues se vuelve buíg. No estás escribiendo alfabeto fonético, estás escribiendo lo que diría un lector nativo al verlo por primera vez.
Una advertencia honesta. Los subtítulos nacen del texto narrado, así que una grafía rara en pantalla es un precio real. Prefiere grafías que todavía se lean como el nombre, o mantén la escritura correcta y ajusta ese tramo después.
Aquí también es donde una herramienta de guion sumada a otra de voz pierde. Escribes en un lugar pensando en un lector, pegas en otro pensando en un hablante, y la costura entre los dos es donde se rompe cada nombre. En FalconVid el guionista y el narrador son dos especialistas de IA dentro del mismo pipeline, trabajando sobre el mismo video al mismo tiempo, así que el texto nace ya moldeado para la voz que va a hablarlo. No hay entrega de testigo donde perder el nombre.
Cómo FalconVid mantiene nombres, números y fechas en los rieles
La pronunciación sigue rota en la mayoría de los canales no por ignorancia, sino por costo de reparar. Cuando corregir cuesta de una a tres horas, dejas de corregir, y en el video cuarenta el canal tiene un problema permanente de acento que nadie planeó.
En FalconVid el pipeline corre en paralelo: investigador, guionista, narrador, editor y diseñador de sonido trabajan sobre el mismo video al mismo tiempo, así que un video largo vuelve como primera versión en hasta 30 minutos. Apruebas el calendario de contenido y los videos llegan solos. Cuando una palabra igual cae mal, abres el Studio, ajustas ese tramo y remontas, o acortas la intro, cambias un material y cambias la música. El Studio está en todos los planes, como toda función de creación: un plan mayor compra volumen, canales, generaciones simultáneas, el analista sénior de IA desde Pro, con 7 días de prueba en Starter, y el soporte.
La voz no es donde se te pide renunciar a nada. La narración corre en 63 idiomas con voces premium ultra realistas, y puedes clonar tu propia voz para que el canal mantenga una identidad única. Arreglar una palabra nunca tiene que significar abandonar una voz que tu audiencia ya reconoce.
La cuenta es en créditos y quien decide es el modo de calidad. Un video de 12 minutos cuesta 1.008 créditos en económico, 8.676 en equilibrado y 26.760 en premium. El Starter son $47 al mes con 15.000 créditos: 14 videos si el mes entero se queda en económico, o la versión que la gente corre de verdad, unos 10 a 12 al mes con uno en equilibrado. El Pro son $97 por 30.000 créditos y 5 canales, y el Scale son $997 con 50 canales y 50 generaciones simultáneas.
- Guionista y narrador en el mismo pipeline, así el texto nace escrito para ser hablado
- 63 idiomas de narración con voces premium ultra realistas, más clonación de voz
- Studio en todos los planes: ajustar el tramo y remontar en vez de rehacer el video
- Producción en paralelo: primera versión de un video largo en hasta 30 minutos
- Video de 12 minutos: 1.008 créditos en económico, 8.676 en equilibrado, 26.760 en premium
- Starter $47 con 15.000 créditos: unos 10 a 12 videos al mes mezclando modos, o 14 en económico puro
La prueba de 30 segundos que salva el render de 12 minutos
Antes de mandar 12 minutos de narración, genera solo el párrafo que carga las palabras de riesgo y escúchalo. Treinta segundos de audio son una fracción pequeña de un video que cuesta 1.008 créditos en modo económico, y cazan el error mientras equivocarse todavía es barato.
Arma bien el párrafo de prueba. Mete todos los términos de riesgo dentro, en las mismas construcciones que vas a usar de verdad, porque es el contexto el que decide una homógrafa. Una prueba que lee nombres como lista de compras no demuestra nada. Seis frases con la cara de tu guion real lo demuestran todo.
Escucha en el altavoz del teléfono, no en los auriculares con los que editas. Tu audiencia mira en el móvil, a mitad de volumen, en un ambiente ruidoso, y la mitad de los problemas que sobreviven a unos buenos auriculares quedan a la vista cuando se aplastan los medios.
En un flujo manual nadie corre esta prueba, por un motivo perfectamente racional: si fallar significa regrabar, resincronizar y volver a renderizar, prefieres no enterarte. Cuando la primera versión vuelve en hasta 30 minutos y varios videos se producen al mismo tiempo, 2 generaciones simultáneas en Starter y 50 en Scale, probar deja de ser un sacrificio.
Cada idioma tropieza en una palabra distinta
Con un solo canal esto es un detalle. Con el mismo formato corriendo en tres idiomas es la diferencia entre un segundo mercado y un segundo papelón, porque cada idioma falla en un lugar distinto y la corrección no viaja contigo.
El español tropieza en nombres en inglés y en anglicismos: Nike leído tal como se escribe, Huawei deletreado letra por letra, marketing con vocales españolas enteras. Su trampa más cruel es la tilde ausente, porque publico, publicó y público son tres palabras distintas y un guion sin tildes elige la equivocada con toda confianza.
El portugués tropieza en siglas en inglés y en dinero: CEO, KPI y SaaS salen leídos con nombres de letra portugueses, y R$ 1.250,00 se convierte en una fila de dígitos. El inglés, por su parte, aplana nombres latinos y alemanes: João, Beauchamp, Nietzsche, Porsche.
Así que al llevar un video ya probado a un idioma nuevo, el nombre propio pide tratamiento nuevo, no traducción: una grafía que funciona en español produce otro sonido en inglés. En FalconVid duplicas el proyecto a otro idioma pagando solo la diferencia, y vuelve narrado por una voz de ese idioma, en un canal propio, con calendario e identidad propios. El único trabajo que queda es una lista corta de nombres.
La lista de 8 puntos para correr antes de publicar
Todo lo anterior cabe en una pasada de unos cinco minutos sobre un guion de 12 minutos. Córrela una vez y vas a notar tu propio patrón: la mayoría de los creadores rompe dos o tres familias sin parar y nunca toca las otras tres.
Hecha a mano, esta lista es disciplina pura, y la disciplina es lo primero que desaparece en una semana mala. En un pipeline automatizado la mayor parte ocurre antes de que el video llegue a ti, y por eso un canal automatizado sigue sonando consistente en el video 200 mientras el manual aguanta hasta más o menos el video 20.
- Barre todas las siglas y decide, una por una, si se deletrea o se dice
- Reescribe todo número, importe y porcentaje tal como lo dirías en voz alta
- Reescribe toda fecha y hora en palabras, nunca en dígitos y barras
- Expande unidades y abreviaturas: kg, km/h, m2, Av., Dr.
- Reescribe foneticamente todo nombre propio extranjero para el idioma de la narración
- Revisa las homógrafas leyendo la frase entera, nunca la palabra aislada
- Genera el párrafo de prueba de 30 segundos y escúchalo en el altavoz del móvil
- Al duplicar a otro idioma, rehaz la lista de nombres en vez de traducirla