Cómo separar dos voces en una misma grabación

Para separar dos voces de una grabación, utiliza las pistas originales de cada hablante si las tienes. Si no, prueba la separación por hablante y comprueba ambos resultados antes de editar.

Un invitado del pódcast se oye demasiado bajo. El entrevistador interrumpe una respuesta. Quieres usar solo las palabras de una persona en un clip, pero las voces están mezcladas. El siguiente paso depende de si conservas el proyecto, las pistas de cada micrófono o únicamente el audio o video exportado.

Esta guía te ayuda a elegir un método, revisar las voces separadas y llevar la pista que necesitas a tu edición. Si buscas quitar la música de una conversación, empieza por nuestra guía para eliminar música de fondo.

01. Elige un método según tu grabación

Diagrama de selección del método, no una captura del producto ni un resultado medido.

Caso 1: Tienes las pistas originales

Abre el proyecto original y escucha en solo el micrófono de la persona que necesitas. Comprueba si se cuela la otra voz y exporta la pista aprovechable. Así evitas reconstruir las voces a partir de una mezcla terminada.

Un archivo estéreo tiene dos canales, pero no necesariamente uno por persona. Escucha el izquierdo y el derecho antes de tratarlos como hablantes aislados.

Caso 2: Las personas hablan por turnos

Si solo necesitas ciertos pasajes, puede bastar con editar la línea de tiempo. Conserva los fragmentos de la persona elegida y baja o silencia los demás. Respeta el principio y el final de cada palabra y escucha los cortes para detectar cambios bruscos en el ambiente.

Por ejemplo, al crear un clip solo del invitado, elimina la pregunta únicamente si la respuesta tiene sentido por sí misma. Conserva el contexto cuando quitarla cambie el significado.

Caso 3: Las dos voces coinciden

Silenciar el intervalo compartido elimina las dos voces. Prueba la separación por hablante con un fragmento corto y compara cada salida con el original en ese mismo punto.

Si falta una frase importante, utiliza otra toma, solicita las pistas originales o elige un pasaje sin interrupciones. Dos pistas de salida no significan que se hayan recuperado todas las palabras.

02. Las etiquetas de hablante no son pistas de audio separadas

La diarización identifica quién habla y cuándo en una transcripción. Por ejemplo, la documentación de Google Cloud sobre diarización explica las etiquetas asociadas a palabras reconocidas. Esto no produce por sí solo un archivo descargable con la voz de una única persona.

La separación por hablante busca producir esas pistas individuales. Comprueba qué entrega la herramienta antes de elegirla. Una transcripción con Speaker 1 y Speaker 2 puede facilitar la edición del texto aunque el audio siga mezclado.

Una pista de voces es otra salida: puede contener a ambas personas con menos sonido de fondo. Consulta la diferencia entre eliminar voces de música y separar audio de video.

03. Cómo revisar pistas individuales en Perso Dubbing

1. Elige un fragmento representativo

Incluye una frase clara de cada persona y una interrupción, si la hay. Conserva el original para compararlo. Una frase inicial sencilla no basta para saber si el pasaje más complejo funciona.

2. Sube el archivo

Abre Audio Separation de Perso Dubbing y utiliza el área de carga. Revisa los requisitos del archivo y las condiciones de prueba que se muestran antes de procesarlo.

3. Localiza la salida que necesitas

Tras el procesamiento, revisa las pistas disponibles. Para una sola persona, busca pistas individuales. “All Speakers (Vocals)” reúne las voces, no representa a una única persona.

Escucha para identificar a quién corresponde cada número. No supongas que Speaker 1 siempre es el presentador ni que detectar una pista la hace apta para publicar.

4. Compara el pasaje difícil

Reproduce el original y cada pista alrededor de una interrupción. Revisa también una frase tranquila y el final de una palabra. Utiliza la lista siguiente para decidir si el resultado sirve para la edición.

5. Exporta y vuelve a tu editor de video

El menú ofrece archivos WAV de los hablantes. En la comprobación del 29 de septiembre, el aviso de descarga indicaba que las descargas de pistas se habilitan con el plan Starter. Registrarse no equivale a tener descargas gratuitas. En el espacio de trabajo con sesión iniciada, Audio Export combina las pistas seleccionadas en un archivo. Para exportar una persona, desmarca las demás y comprueba que Selected muestre solo ese hablante. Importa el audio en el editor, alinéalo con el original y silencia la mezcla original para no volver a introducir la otra voz.

Antes de exportar el video, revisa la sincronización al principio y más adelante. Separar audio y exportar video son pasos distintos.

04. Qué escuchar antes de usar el resultado

Escuchar un pasaje limpio no valida toda la grabación. En una entrevista corta, una respuesta dañada puede importar más que varios minutos claros.

05. Una limitación que revisar en las voces superpuestas

En una prueba interna procesamos unos 19 segundos creados con dos voces sintéticas. La segunda empezaba a los 6.5 segundos. El espacio de trabajo devolvió dos opciones de hablante, una transcripción etiquetada y dos WAV descargables de duración similar al original.

Sin embargo, el archivo Speaker 2 contenía silencio digital entre 6.5 y 10 segundos. Tener dos archivos no demuestra la recuperación completa de las voces superpuestas. No hemos terminado una evaluación auditiva ni verificado la correspondencia entre las voces y las pistas. Es una observación de la señal de un único ejemplo sintético, no un benchmark de entrevistas reales ni una demostración de separación exitosa.

Compara con el original todas las frases necesarias, sobre todo las interrupciones. Un archivo puede conservar la duración completa y perder palabras dentro de ella.

06. ¿Y si todavía se mezclan las voces?

Evalúa el resultado con tu propio archivo. Si faltan palabras o la otra voz distrae, considera otro fragmento, las pistas originales o una nueva grabación cuando sea posible. No presentes una frase dañada como registro exacto de lo dicho.

Para transcribir o doblar, revisa la atribución del hablante además del sonido. Una pista aislada no garantiza una transcripción o traducción correcta. Nuestra guía de transcripción con varios hablantes explica la revisión de etiquetas y guion.

Cuando la fuente sea utilizable, pasa al doblaje de video. Trata la revisión de la separación y la del guion traducido como decisiones distintas.

07. Preguntas frecuentes

P. ¿Puedo separar dos voces que hablan al mismo tiempo?
R. Puedes probar la separación por hablante. Revisa los pasajes superpuestos en cada salida: dos etiquetas no demuestran que las voces se hayan conservado limpias. Guarda el original para comparar palabras y sonido.

P. ¿Un eliminador de voces aísla a una persona de una entrevista?
R. Comprueba qué significa “voces” en esa herramienta. Una salida de voz frente a música puede conservar a ambas personas. Busca salidas individuales y escúchalas. Las etiquetas de transcripción no equivalen a pistas separadas.

P. ¿Puedo descargar el resultado como video?
R. Las descargas descritas son WAV de audio. Para un video terminado, importa el audio en el editor, alinéalo con la imagen y silencia la mezcla original. En la revisión del 29 de septiembre, el aviso indicaba descargas de pistas con el plan Starter.

Prueba tu grabación en Audio Separation. Compara el pasaje difícil antes de hacer la edición completa.