Crea audiodramas y radionovelas con IA

Por qué la ficción sonora vuelve a sonar en español

Pocos idiomas tienen una tradición de drama radiofónico tan profunda como el español. La radionovela cubana exportó a todo el continente fenómenos como «El derecho de nacer»; en México, «Kalimán» acompañó a generaciones enteras; en Argentina el radioteatro llenaba las tardes, y en España la Cadena SER tuvo a medio país pendiente de «Ama Rosa». Durante décadas, escuchar una historia actuada por varias voces fue algo tan cotidiano como ver la televisión después.

Lo que cambió en los últimos años es la distribución. Los podcasts de ficción y las audioseries de las plataformas de audiolibros devolvieron el formato a los trayectos, a las tareas de la casa y a cualquier momento en que el audio es el único medio que puedes consumir mientras haces otra cosa. Lo que no cambió es el costo de producción: un drama necesita varios intérpretes, y varios intérpretes significan agendas, estudio y alguien que dirija. Eso dejaba el formato fuera del alcance de quienes más ganas tenían de hacerlo.

El resultado fue un género repartido entre producciones con presupuesto y narradores solitarios que leen todos los papeles. Ninguna de las dos cosas es un audiodrama. El encanto del formato es oír una escena entre personas, y una sola voz haciendo cuatro personajes es un apaño que el público tolera, no algo que disfrute.

La interpretación generada cambia la economía, no el oficio. Reparto, dirección, ritmo y escritura siguen importando; probablemente importan más, porque ahora son lo único que separa una buena producción de una mala.

Las cuatro decisiones que hacen funcionar un audiodrama

Primera: repartir para separar. Quien escucha identifica a los hablantes sobre todo por la franja de tono y la velocidad al hablar, sin ninguna información visual. Dos personajes en la misma franja se van a confundir por muy distintos que sean en el papel. Abre el abanico del reparto a propósito y la escena se vuelve legible.

Segunda: contención en la dirección. La tentación es marcarle una emoción a cada línea, y el resultado es una papilla uniforme. Una escena con dos líneas dirigidas y veinte neutras conmueve mucho más que una en la que todo está al máximo. Los directores de radioteatro lo saben desde siempre: la mayoría de sus notas piden menos.

Tercera: el ritmo. En audio no se puede leer en diagonal. Una escena que en el papel se lee rápido puede durar cuatro minutos en voz alta, y quien escucha siente cada segundo. El arreglo casi siempre es cortar, no acelerar.

Cuarta: el silencio. Las pausas entre líneas son el lugar donde quien escucha hace su parte del trabajo. En la radio clásica se dirigían los silencios tanto como las réplicas, y es la herramienta más desaprovechada por quien produce en solitario.

España o Latinoamérica: decídelo antes de repartir

Hay una decisión que en inglés no existe y que en español pesa más que ninguna otra: desde dónde habla tu historia. Un personaje que dice «¿Vosotros qué queréis?» con acento caribeño, o uno que dice «vos tenés» en una escena ambientada en Madrid, suena a reparto armado con retazos. El oído hispanohablante detecta al instante el choque entre la variedad del texto y la del intérprete, aunque no sepa explicar por qué.

Conviene separar dos cosas. Lo que decide el guion: vosotros o ustedes, tú o vos, el vocabulario de cada país y cuándo un personaje pasa del usted al tú, que en español es una herramienta dramática de primer orden para marcar distancia o intimidad. Y lo que decide la voz: la pronunciación, empezando por el seseo o la distinción entre «casa» y «caza». Por mucho que cuides el texto, una voz latinoamericana va a sesear y una voz de España va a distinguir.

Así está hoy el reparto en español, sin redondear: un proyecto puede tener hasta 32 voces distintas. Veinte son nativas en español: tres de España (dos femeninas y una masculina), una de Guinea Ecuatorial y dieciséis de ocho países latinoamericanos —Argentina, Bolivia, Chile, Colombia, Costa Rica, Cuba, Ecuador y República Dominicana—, dos por país. Hoy no hay ninguna voz de México. Las otras doce son voces multilingües que vienen de otros idiomas y también hablan español.

Qué voz le toca a cada personaje depende de su género y su franja de edad, no del tamaño del reparto: 13 de los 40 personajes tienen como primera opción una de esas voces multilingües, así que una escena a dos también puede usarlas. En la práctica, casi cualquier reparto en español mezcla acentos. La recomendación es escribir con «ustedes» y un vocabulario poco marcado salvo que la historia pida lo contrario, escuchar a cada personaje sobre una línea real antes de fijarlo, y cambiar de personaje de la biblioteca cuando un acento no encaje. Si la mezcla está justificada —una familia que emigró, un forastero en el pueblo—, úsala como caracterización en lugar de esconderla.

Un flujo de trabajo que aguanta las revisiones

La gente rara vez abandona un audiodrama por el primer renderizado. Lo abandona en la vigésima revisión, cuando cambiar una línea significa rearmar un episodio a mano. Cualquier flujo que no abarate la revisión termina aplastado por su propio peso.

La estructura que resiste es esta: un proyecto por episodio, los mismos personajes de la biblioteca y los mismos perfiles elegidos para tu elenco recurrente en el proyecto de cada episodio, y el guion como única fuente de verdad. Cambias una línea, regeneras esa línea —nada más del proyecto se vuelve a renderizar—, exportas otra vez el episodio y lo devuelves a la mezcla. Cada exportación cuenta el proyecto entero, y justo por eso la medida correcta de un proyecto es un episodio y no una temporada.

El corolario es no mezclar hasta que el guion esté cerrado. Es muy tentador ponerle música a una escena que ya suena bien, y muy doloroso rehacerlo después de una reescritura. Primero la interpretación; después, una sola vez, la música.

Lo que esto no hace

No escribe tu guion. Aquí no hay generación de historias, y es deliberado: el problema interesante en un audiodrama es la producción, no las ideas, y un guion generado interpretado por voces generadas es un producto que nadie pide dos veces.

No mezcla. No hay cortinas musicales, ni reverberación, ni ubicación espacial. Eso pertenece a un editor de audio donde oyes todo junto, y cada intento de meterlo dentro de una herramienta de renderizado ha producido algo peor que las dos cosas por separado.

Tampoco resuelve diálogos superpuestos en un mismo renderizado. Que la gente se pise al hablar es un recurso dramático real, y es una operación de mezcla: exporta las pistas separadas (en Pro) y desplázalas. Es un solo arrastre en cualquier editor, y lo más realista que le puedes hacer a una discusión.