Ver el episodio
Momentos clave
Juan Gabriel subió su voz a tres herramientas de inteligencia artificial y las puso a leer, cantar y conversar por él. Una relee la intro del episodio, otra convierte esa misma intro en canción y la tercera genera un podcast entero a dos voces explicando la diferencia entre cóncavo y convexo. El experimento consiste en que digas si lo notaste.
Un experimento social desde el primer segundo
El episodio abre anunciando que no lo ha grabado él, que una IA le ha clonado la voz y ha generado lo que vas a escuchar. La misión de quien escucha es sencilla: descubrir si sería capaz de darse cuenta y dejar su veredicto en los comentarios.
«hoy no solo escucharás un podcast, hoy formas parte de un experimento social»
La idea nace montando un curso
Al crear el último curso de Frogames, con agentes de voz y automatizaciones en n8n, se registró en ElevenLabs y descubrió la clonación de voz. Le subió grabaciones suyas sacadas de sus vídeos, sus podcasts y sus cursos.
«Les subí cerca de dos horas de voz mía, de los vídeos, de los podcast, de los cursos»
El clon relee la intro del episodio
La primera prueba consiste en que la voz clonada repita el mismo texto de los treinta primeros segundos. Leer un guion que ya existe es el escenario donde mejor aguanta la clonación, y ahí la comparación es directa.
«Hay algo raro, suena artificial»
La canción del verano generada por IA
Con la segunda herramienta pidió un avatar a partir de una foto y una canción con la letra de la intro. Le sorprendió que cantara una mujer y, sobre todo, el estilo musical, que no esperaba. Lo hizo con créditos gratuitos.
«es súper pegadiza, esto es canción del verano, mejor que Leticia Sabater, me ha sorprendido muchísimo»
Un podcast a dos voces desde un artículo
La tercera herramienta clona la voz con un minuto de audio y genera una conversación entre dos interlocutores a partir de un texto y un prompt. Le dio un artículo del blog de Frogames sobre cóncavo y convexo, elegido justo por aburrido.
«puedes explicar conceptos mediante un podcast, es decir, añades una persona y añades una segunda persona o un interlocutor»
Cóncavo, convexo y la regla de la cueva
El diálogo generado explica la diferencia con una regla mnemotécnica (cóncavo como cueva, hacia dentro; convexo como exterior, hacia fuera) y la pasea por cucharas, retrovisores, lentes, cúpulas, cuencos y funciones matemáticas.
«La clave está en la perspectiva del observador»
El acento delata al clon
Su primera pega al resultado es la entonación mexicana que le puso la herramienta, cuando él trabaja para sonar lo más neutro posible pese a ser de Mallorca. A eso suma silencios incómodos y fallos de generación en el audio.
«Primero porque me ha puesto una entonación de voz muy mexicana cuando yo hablo intento ser lo más neutro posible en cuanto acento»
La pregunta que deja en el aire
Cierra preguntando si esto irá a más hasta el punto de no necesitar un presentador humano cada semana, bastando con darle un tema a la máquina. Recuerda un experimento anterior con ChatGPT en el que él sí leía el texto.
«Creéis que esto va a ir a más que ya pronto no necesitaréis a un Juan Gabriel aquí ofreciendo un podcast semanal»
El episodio, en profundidad
El 207 empieza con una trampa. Antes de que salude nadie, una voz que suena exactamente como la de Juan Gabriel anuncia que este episodio no lo ha grabado él: que una inteligencia artificial le ha clonado la voz y ha generado lo que estás a punto de escuchar. Y remata: «hoy no solo escucharás un podcast, hoy formas parte de un experimento social». Treinta segundos después llega el saludo de siempre y la aclaración de que sí, de que este es «el de verdad Juan Gabriel el de siempre». A partir de ahí el episodio se dedica a enseñarte las costuras de tres herramientas distintas.
De dónde sale la idea
El disparador fue un curso. Al montar el último curso de Frogames, en el que crean agentes de voz y automatizaciones con n8n, se registró en ElevenLabs y se topó con una función que no iba buscando: clonar su propia voz. «Les subí cerca de dos horas de voz mía, de los vídeos, de los podcast, de los cursos», cuenta. El resultado le pareció lo bastante interesante como para convertirlo en experimento público.
Prueba 1: el clon vuelve a leer la intro
La primera demostración es la más limpia y la más incómoda. El clon de ElevenLabs relee, casi palabra por palabra, la misma intro de los treinta primeros segundos. Incluida la frase que funciona como trampa dentro de la trampa: «Hay algo raro, suena artificial». Aquí no hay guion nuevo ni conversación: solo un texto que ya existía, leído por una voz sintética entrenada con audio suyo. Es, con diferencia, el escenario en el que la clonación aguanta mejor.
Prueba 2: un avatar y una canción del verano
La segunda herramienta es una navaja suiza: por unos créditos al mes reúne agentes basados en GPT para texto, diseño, vídeo e incluso audio. Le pidió dos cosas. Un avatar a partir de una foto suya, con pinta de podcaster. Y una canción con la misma letra de la intro del episodio. La canción es la sorpresa del programa: quien canta es una mujer, no un hombre, y el estilo no se lo esperaba en absoluto. Su veredicto no tiene medias tintas: «es súper pegadiza, esto es canción del verano, mejor que Leticia Sabater, me ha sorprendido muchísimo». Y sobre haberla hecho con los créditos gratuitos: «hosties, que he probado esto, y a mí me ha flipado». Dice, literalmente, que solo con eso ya está contento del episodio.
Prueba 3: un podcast entero sin intervención humana
La tercera es la ambiciosa. Clona la voz con un solo minuto de audio, frente al material largo que le pidió la primera, y además hace algo que las otras no: genera una conversación de podcast entre dos interlocutores a partir de un texto. «puedes explicar conceptos mediante un podcast, es decir, añades una persona y añades una segunda persona o un interlocutor», resume.
Para ponerla a prueba eligió a propósito el material más árido que encontró: un artículo del blog de Frogames sobre la diferencia entre cóncavo y convexo, ese concepto que viste en la carrera y que nunca terminaste de fijar. Una de las dos voces es su clon; la otra es una de las que ya venían creadas en la herramienta, y en el diálogo responde al nombre de Sofía.
Lo que sale: la C de cueva y la X de exterior
El audio generado es un episodio educativo completo, con saludo a los froggies incluido, y en lo didáctico se defiende. La regla mnemotécnica que propone es sencilla: cóncavo suena a cueva, algo que se mete hacia dentro y te abraza; convexo se asocia a exterior, a una forma que sobresale y empuja hacia fuera. A partir de ahí encadena ejemplos: el hueco de la cuchara frente a su dorso, los retrovisores convexos que amplían el campo de visión y por eso avisan de que los objetos están más cerca de lo que parecen, los espejos cóncavos de maquillaje que aumentan la imagen, las lentes convergentes para la hipermetropía y las lupas frente a las divergentes de la miopía, la cúpula de una catedral que es convexa desde fuera y cóncava desde dentro, las gradas de un estadio, el interior de un cuenco, el diseño de unas llantas. Y remata en matemáticas con la boca triste y la boca sonriente de un emoticono. Hasta reparte puntos para Gryffindor. La frase que sostiene todo el bloque la dice la voz clonada: «La clave está en la perspectiva del observador».
El veredicto: idea buena, ejecución pésima
Cuando recupera el micro, no se anda con rodeos. La idea de montar un podcast a dos voces para explicar un tema le parece muy buena. «La ejecución es pésima». Da tres razones. La primera, el acento: «Primero porque me ha puesto una entonación de voz muy mexicana cuando yo hablo intento ser lo más neutro posible en cuanto acento», y añade que eso lo cuida incluso siendo de Mallorca, donde el acento local suele estar bastante marcado. La segunda, los silencios incómodos y la mala generación del audio. La tercera duele más: de las tres es probablemente la más cara. No tiene nada gratuito, así que se suscribió al plan básico solo para poder probarla y traer el episodio. Su conclusión sobre el clon: «Yo creo que no ha capturado para nada la esencia».
La pregunta que deja abierta
El episodio no pretende demostrar que la IA sea perfecta, sino situar en qué punto estamos. Y cierra con la pregunta de verdad, que va dirigida a quien escucha: «Creéis que esto va a ir a más que ya pronto no necesitaréis a un Juan Gabriel aquí ofreciendo un podcast semanal», sino que le baste con darle un tema y que la máquina se encargue del resto. Recuerda que hace algunas temporadas ya hizo un experimento parecido, con ChatGPT escribiendo el texto entero de un podcast que él se limitaba a leer e interpretar, mitad humano mitad máquina. Esta vez la parte generada no ha pasado por sus manos. El veredicto lo pide en los comentarios, y lo pide en serio: forma parte del resultado. Si quieres seguir el hilo por el lado formativo, todo esto sale de lo que enseña en Frogames Formación. Y ojo, que es uno de los últimos episodios de la quinta temporada.
Lo que te llevas
- Clonar una voz ya no exige un corpus grande: una herramienta le pidió horas de grabaciones y otra se conformó con un minuto de audio.
- Leer un texto que ya existe es lo que mejor imita una voz clonada; generar una conversación entera desde cero es donde se rompe.
- El acento es el punto débil del clon: le metió entonación mexicana a alguien que trabaja para sonar neutro pese a ser de Mallorca.
- Lo que delata a la máquina no es tanto el timbre como el ritmo: silencios incómodos y tramos con mala generación de audio.
- La sorpresa positiva fue la generación musical, hecha con créditos gratuitos, no la herramienta de podcast más cara del experimento.
- Pagar más no garantizó mejor resultado: la única de las tres sin plan gratuito es la que peor nota se llevó.
- El contenido didáctico generado se sostiene (la regla de la cueva para cóncavo y el exterior para convexo funciona); lo que no se sostiene es la interpretación.