Volver al blog
Guía práctica
Publicado el 9 oct 2026
Verificado el 9 oct 20267 min de lectura
Controla el estilo de la narración con instrucciones
Cambia una sola indicación de entrega y compara el mismo texto sin generar variantes sin fin.
Conclusión principalCambia una sola indicación de entrega y compara el mismo texto sin generar variantes sin fin.
Si cambias el guion, la voz y el tono al mismo tiempo, resulta difícil saber qué mejoró una narración. Qwen3 TTS Instruct Flash separa las palabras que se leen de las instrucciones de interpretación. Esa separación permite planear unas pocas versiones útiles. Esta guía describe un método, no una prueba de audio ni una garantía de emoción exacta.
Elige un objetivo que puedas escuchar
Define el trabajo: una introducción tranquila, un tutorial claro o un cierre enérgico. Después anota el criterio. En un tutorial podría ser pronunciar bien el producto y dejar espacio entre acciones. “Que suene mejor” no ayuda a decidir.
Mantén fijo un fragmento breve con el nombre o la cifra difíciles que necesitas decir. En el campo de narración escribe solo lo que debe oírse. Usa Instructions para la entrega. No pegues indicaciones escénicas en el texto suponiendo que permanecerán en silencio.
Usa un idioma de instrucciones admitido
La documentación actual de Alibaba limita estas instrucciones al chino y al inglés. El idioma de la narración se elige aparte. Para narración en español, escribe las instrucciones en inglés y escucha el resultado. Una interfaz traducida no amplía los idiomas admitidos para instrucciones.
Puedes empezar con: “Use a calm, explanatory tone. Keep the product name clear.” En la segunda toma cambia solo el tono a friendly. En la tercera vuelve al tono inicial y pide una entrega algo más pausada. Son entradas propuestas, no recetas probadas. Pedir rapidez extrema y pausas largas a la vez dificulta interpretar la comparación.
Limita la comparación a tres tomas
Abre el Playground inferior. Inicia sesión o regístrate si se solicita. Revisa saldo y estimación; recarga únicamente si necesitas saldo. Selecciona Qwen3 TTS Instruct Flash, pega la narración, elige una voz disponible y completa Instructions. ModelRush acepta actualmente entre 1 y 600 caracteres por solicitud.
En A fija la voz, el idioma de la narración y la opción de optimización de instrucciones. Evalúa el ritmo escuchando la salida; esta ruta no ofrece un control numérico de velocidad verificado. Guarda el texto y las opciones en la hoja antes de ejecutar. En B cambia una sola instrucción. En C realiza otra comparación prevista, manteniendo las palabras idénticas. Si activas la optimización de instrucciones, regístralo y mantén la opción igual en las tres tomas. Reescribe las indicaciones; no garantiza un mejor resultado.
Escucha el mismo fragmento a un volumen parecido. Comprueba palabras y pronunciación antes de juzgar pausas y tono. Una toma expresiva que dice mal el producto no cumple el requisito. Escribe observaciones concretas, no puntuaciones sin una escala definida. Elige la versión adecuada o detente tras tres tomas para revisar el objetivo.
Calcula antes de generar variantes
El precio público de ModelRush comprobado el 9 de octubre de 2026 es $0.000014 por carácter de entrada. Para 300 caracteres, el cálculo es $0.0042. Los cargos positivos de operación se reservan redondeados hacia arriba al céntimo: prevé $0.01 por solicitud a esa tarifa. Tres solicitudes de 300 caracteres suman $0.0126 antes de redondear y $0.03 de reserva total. El registro final depende del uso facturable y del precio vigente.
La tarifa es por caracteres, no por segundos de audio terminado. Una recarga es saldo prepagado, no el precio de una toma. Cada variante es otra solicitud. Revisa la estimación actual y evita una búsqueda ilimitada de una versión aceptable.
Cuándo necesitas otro proceso
Estas instrucciones no clonan tu identidad vocal. Para tu propia voz necesitas creación de voz y síntesis compatible por separado. Si una narración debe encajar en un corte exacto de vídeo, mide el audio y ajusta la edición. Una indicación de tono no demuestra sincronización precisa. No se generaron pistas para esta guía.
Consulta /es/models/qwen3-tts-instruct-flash para datos y precios. Para revisar audio y vídeo juntos, consulta /es/blog/audio-video-sync-model-evaluation. Descarga la hoja antes de ejecutar: las tres tomas deben responder una pregunta concreta.
Comparación de tres tomas de narración
| Toma | Texto hablado fijo | Instructions (chino/inglés) | Voz / idioma hablado | Optimización de instrucciones fija | Caracteres / cálculo / reserva | Palabras / pausas / tono / decisión |
|---|---|---|---|---|---|---|
| A | Use a calm, explanatory tone. Keep the product name clear. | ejemplo 300 caracteres / $0.0042 / reserva $0.01 | ||||
| B | igual que A | Use a friendly, explanatory tone. Keep the product name clear. | igual que A | igual que A | ejemplo 300 caracteres / $0.0042 / reserva $0.01 | |
| C | igual que A | Use a calm, explanatory tone. Speak a little more deliberately. Keep the product name clear. | igual que A | igual que A | ejemplo 300 caracteres / $0.0042 / reserva $0.01 |
Preguntas antes de ejecutar
¿Pongo las instrucciones dentro del texto hablado?
No. Separa las palabras que se leerán de Instructions. Revisa el resultado; no presupongas que las indicaciones escénicas serán silenciosas.
¿Puedo dar instrucciones en español?
La documentación actual admite chino e inglés. Para un guion español, usa instrucciones en inglés y evalúa la salida.
¿Este proceso clona mi voz?
No. Utiliza una voz disponible e instrucciones de entrega. La creación de voz clonada y su síntesis compatible son operaciones distintas.
¿Cuál es el límite del texto?
ModelRush acepta actualmente 1–600 caracteres de narración por solicitud. Compara fragmentos breves y completos.
¿Cuánto cuestan tres tomas de 300 caracteres?
A la tarifa comprobada suman $0.0126 sin redondear. La reserva positiva por solicitud usa céntimos completos, así que prevé $0.03 en total. Revisa estimación y registro final.
¿Se garantiza una emoción o duración exacta?
No. Son indicaciones. Escucha según tus criterios y mide el audio si debe ajustarse a un corte de vídeo.
