ElevenLabs
ElevenLabs para anuncios de producto: música, locución y efectos
Un reel de quince segundos para un sérum suele llevar tres pistas: una voz que dice qué es y cuánto cuesta, una base que marca el ritmo y algún efecto pequeño, como el clic de la tapa. ElevenLabs tiene un modelo para cada una, y en el estudio de Blurbly aparecen por separado como Music, v3 y Sound Effects. Generarlas por separado no es un capricho. Es lo que te permite bajar la música sin tocar la voz y mover el clic un fotograma sin rehacer nada.
Actualizado
Detalles y precios del modelo →
Tres modelos, tres pistas que mezclas tú
ElevenLabs Music hace la base instrumental y te deja elegir 10, 30, 60 o 120 segundos. Elige siempre una duración igual o mayor que la del vídeo y recorta, porque quitar es más fácil que estirar. v3 lee tu guion: eliges voz, idioma (o detección automática) y una emoción entre Natural, Alegre, Entusiasta, Tranquila, Triste, Enfadada, Susurro y Sorprendida. Sound Effects genera sonidos sueltos de hasta 22 segundos, con opción de bucle para ambientes.
Hay un detalle que cambia cómo escribes. En Blurbly, v3 no tiene control de velocidad; eso lo tiene MiniMax Speech 2.6 HD. Si la locución dura más que el plano, la única palanca que te queda es el texto. Por eso el guion se cierra antes de generar la voz, no después de escucharla.
En esta página tienes las tres muestras que generamos para un anuncio de cosmética: una base instrumental animada de 30 segundos, la locución del sérum ficticio Lumora Glow y una lata de refresco abriéndose. Escúchalas por separado y piensa dónde iría cada una dentro de un plano de quince segundos.
No todos los anuncios necesitan las tres. Una demostración muda puede vivir solo con el efecto y el sonido del producto. La historia de quien fundó la marca depende de la voz, y la música casi sobra. Si el anuncio va solo con música, la oferta tiene que estar escrita en pantalla, porque nadie la va a oír.
Ve la escena y escucha el resultado
Las referencias y resultados proceden de generaciones anteriores propias. Los ejemplos de texto no son transcripciones ni reproducciones garantizadas de estos archivos.
Detalle de textura para orientar efectos delicados
Referencia visual: movimiento de producto para una base musical
Base instrumental para un anuncio de cosmética
Locución del sérum ficticio Lumora
Efecto generado de apertura de lata
Cuenta palabras por segundo antes de elegir voz
A ritmo de anuncio natural, una voz en español dice alrededor de dos palabras y media por segundo. Tómalo como punto de partida y mide la tuya. En un vídeo de 15 segundos, quita un segundo al principio para que arranque la imagen y dos al final para el logo: te quedan unos 12 segundos de voz, unas 30 palabras. Un guion traducido del inglés casi siempre se pasa, porque el español necesita más sílabas para decir lo mismo. Escríbelo directamente en español y cuenta.
Escribe para el oído. «20 %» se escribe «veinte por ciento»; «2x1», «dos por uno»; «50 ml», «cincuenta mililitros»; «9,90 €», «nueve con noventa». Las siglas se escriben como quieres que suenen. Con el idioma en detección automática, un nombre en inglés dentro de una frase en español puede hacer que la voz cambie de acento a mitad de frase. Fija el idioma en español y prueba primero el nombre solo, en una frase de cinco palabras.
«Lumora» se lee sin esfuerzo en español; «Fernhollow» es más fácil que salga torcido. Si falla, escríbelo como suena («Férnjolou») solo en el texto de la locución y deja el nombre real en los subtítulos. Haz esa prueba corta antes de generar el guion entero: es la toma más barata de todo el anuncio.
Elige el acento por tus clientes, no por la voz que más te guste. Una tienda de Valencia y una de Guadalajara no dicen igual «móvil», «celular», «vosotros» o «ustedes», y la voz tiene que sonar al mismo sitio que el guion. Pide a alguien de ese país que escuche la toma con el vídeo delante: el énfasis en la palabra equivocada se oye al instante y en el texto no se ve.
Con la emoción, menos es más. «Entusiasta» en cada frase convierte un sérum en una teletienda, y el precio dicho con entusiasmo suena a saldo. Para cifras y condiciones uso «Natural»; si quieres energía, que la ponga la música en los huecos. Antes de generar, lee el guion en voz alta con el cronómetro del móvil: si a ti no te cabe en doce segundos sin correr, a la voz tampoco.
Dónde cae el clic y cuánto baja la música
Para la música, describe género, tempo, instrumentos y energía, y pide que deje sitio: «pop acústico, 100 bpm, guitarra con púa suave y pandereta, instrumental, sin melodía principal». Una melodía muy cantable compite con la voz en las mismas frecuencias y tapa justo el precio. Las bases sin solista se mezclan mejor bajo una locución.
Como punto de partida, deja la música unos 15 dB por debajo de la voz mientras se habla y súbela en los huecos. Luego haz la prueba que de verdad importa: móvil a media potencia, brazo estirado. El altavoz de un teléfono apenas reproduce graves, así que el bombo y el bajo desaparecen y lo que queda de la música compite de frente con la voz. Si tienes que concentrarte para entender el nombre de la marca, baja la música; no subas la voz.
El efecto se coloca en el fotograma del contacto: el clic suena cuando la tapa se separa, no antes. Si dudas, uno o dos fotogramas tarde se nota menos que uno antes, porque en la vida real el sonido nunca llega antes que la imagen. Describe el efecto con material y gesto («tapa de vidrio que se separa con un clic corto, habitación silenciosa»), genera dos o tres segundos y recorta el silencio del principio antes de alinearlo.
Antes de usar cualquiera de estas pistas en un anuncio de pago, revisa los términos comerciales vigentes de Blurbly y del proveedor, y no pidas música que imite a un artista o una canción concreta. El estudio muestra la cotización en créditos de cada modelo antes de generar, y música, voz y efecto son tres generaciones distintas.
Ejemplos de prompts y guiones
Música: pop acústico a 100 bpm, guitarra con púa suave, pandereta y palmas discretas, energía contenida para presentar un sérum. Instrumental, sin melodía principal, con espacio para una voz.
Locución (28 palabras, para 15 segundos): Lumora es un sérum ligero que se absorbe antes de que termines el café. Esta semana, con un veinte por ciento menos. Lumora, tu piel por la mañana.
Efecto: funda de cartón que se desliza sobre un frasco de vidrio y tapa que se abre con un clic corto. Micro cercano, habitación silenciosa, dos segundos.