Voz en off con IA para vídeos cortos: qué voces retienen la atención
La voz es la única decisión de producción que tomas una vez y con la que convives durante cien vídeos. Merece veinte minutos de reflexión.

Equipo editorial de AutoShort
Guías de vídeo corto
9 de agosto de 2026 · 3 min de lectura

La mayoría elige una voz escuchando cinco muestras y quedándose con la que suena más humana por separado. Es la prueba equivocada, porque nadie oye tu voz por separado: la oyen sobre imágenes, bajo subtítulos, deprisa, por el altavoz del móvil y en una habitación con ruido.
Lo que importa de verdad
Ritmo. La narración de un vídeo corto funciona entre 2,0 y 2,4 palabras por segundo. Más lento suena a documental y la gente se va; más rápido es ininteligible por el altavoz de un móvil.
Tono constante. Las voces que oscilan mucho para dar énfasis impresionan en una frase y agotan a lo largo de un minuto.
Claridad de las consonantes. En el altavoz de un móvil, la claridad en los medios gana siempre a la calidez. Una voz que suena preciosa con auriculares puede volverse papilla al volumen que usa la mayoría.
Que sea siempre la misma. Elijas la que elijas, mantenla. Un canal es una voz antes que cualquier otra cosa.

La cuestión del acento
Adáptate a tu audiencia, no a tus gustos. Si la mayoría de tus espectadores son estadounidenses, una voz estadounidense funciona mejor en las pruebas, te guste o no escucharla. No es una cuestión de acentos, sino de familiaridad: el cerebro tarda una fracción de segundo en ubicar un acento que no conoce, y en el primer segundo de un vídeo corto no puedes permitírtelo.
La primera frase
La primera frase de la narración es la única que va a oír la mayoría de los espectadores. Escríbela para que funcione sin ninguna de las siguientes: nada de «en este vídeo», nada de carraspeos, nada de preámbulos. Empieza por la parte interesante y explica después.

Errores que cuestan retención
- Silencio al principio. Medio segundo de nada es un scroll.
- Una narración que va por delante de las imágenes. Si la voz ya ha pasado a otra cosa y la imagen no, el vídeo parece roto aunque nadie sepa decir por qué.
- Leer el subtítulo en voz alta, palabra por palabra. Una ligera diferencia entre lo que se escribe y lo que se dice hace que merezca la pena prestar atención a ambos.
- Música más alta que la voz. La música va por debajo. Siempre.
Probar sin adivinar
Haz el mismo vídeo con dos voces y publica los dos con una semana de diferencia. La cifra que hay que comparar es la retención a los tres segundos, y es la única que te dirá algo. Todo lo demás es opinión, este artículo incluido.


