Comandos de voz para video con IA: habla con el estudio

La barra de Ask, arriba del estudio, tiene un micrófono. Tócalo, di lo que quieres (un clip, una imagen, una locución) y deja de hablar. La frase se envía sola, y Clap, el asistente de Ask, responde con un plan: el render con su precio y un botón Aprobar que lo renderiza ahí mismo, en el chat. Di «ábrelo en Video» (o en Imagen, o en Voz) y prepara la herramienta en su lugar, a un clic de la página. Nada se renderiza sin tu clic.

Esta guía cubre dónde funciona el micrófono, cómo formular una petición hablada para que salga bien a la primera, cómo seguir la conversación por voz y la distinción que importa en un estudio que también crea voces: un comando frente a una frase que hay que decir en voz alta.

Dónde está el micrófono

• Ask es la barra de la parte superior del inicio del estudio (/studio, después de iniciar sesión): la pestaña por defecto del compositor de inicio, con el texto de ejemplo «Pregunta lo que sea, lanza lo que quieras». /ask lo describe en detalle.
• El micrófono está en esa barra y usa el reconocimiento de voz de tu propio navegador, que tienen Chrome, Edge y Safari. En un navegador sin él, como Firefox, el micrófono no aparece.
• No hay que buscar ningún botón de enviar. Cuando dejas de hablar, las palabras se envían solas.
• ¿Sin micrófono? Escribe. Enter envía, Shift+Enter empieza una línea nueva. Desde cualquier otra página del estudio, ⌘K (Ctrl+K en Windows) abre «Busca o pregunta lo que sea…»: escribe tu frase y la última fila, «Preguntar a eroq: “…”», la envía a tu chat en curso o empieza uno nuevo.

Qué pasa cuando dejas de hablar

Tu primer mensaje convierte el inicio del estudio en un chat: tus palabras a la derecha, la respuesta a la izquierda, escrita palabra por palabra. Mientras Clap trabaja, una línea dice lo que está haciendo («Pensándolo…», «Escribiendo el storyboard…», «Calculando el precio del plan…») y sus notas se van escribiendo debajo.

Después viene la parte que vale la pena leer. Bajo la respuesta, el plan de Clap dice lo que va a crear, y por cuánto:

You say:    make a vertical clip of a woman walking through neon rain, 10 seconds
Plan:       10 s · 9:16    [Approve]

You say:    open it in Video
Grey line:  Video · 10 s · 9:16    [Open Video →]

El plan también nombra el motor y los créditos exactos. Aprobar renderiza el clip en el chat, y llega ahí y a tu biblioteca. Si dices «ábrelo en Video», una línea gris dice lo que Ask preparó, con el prompt que escribió citado debajo. Haz clic en Abrir Video → y la página Video se abre con ese prompt y esos ajustes ya puestos; hasta que lo hagas, sigues en el chat. Un motor bloqueado muestra la insignia de su plan junto al botón.

Preguntar es gratis con Auto. Cada render espera tu clic: Aprobar en un plan, o Generar en la página de la herramienta, con la verificación de créditos y el desbloqueo por plan de siempre.

Di el medio, luego la escena y después los ajustes

Las frases habladas tienden a ser largas y sueltas. Un orden las mantiene fáciles de seguir:

1. El medio: «un clip», «una imagen», «una locución», «un cortometraje». Esto decide lo que crea Clap: un clip, una imagen, una locución o una película entera.
2. La escena: sujeto, acción, lugar, luz. Ask la escribe en el prompt.
3. Los ajustes: el motor, los segundos, el formato, el número de tomas.

You say:    make an image of a lighthouse at dusk, square, four versions
Plan:       4 renders · 1:1    [Approve]

Si omites el medio, Ask te lo pregunta: «haz algo genial» recibe «¿Una imagen, un clip, una locución o algo de texto?», con chips de respuesta. Toca uno o dilo en voz alta.

Para los ajustes, usa las palabras sencillas que Ask ya conoce: «vertical», «Reels», «horizontal», «cuadrado», «ultrapanorámico» para el formato; «10 segundos» para la duración; «con Kling» o «en Veo 3.1» para el motor. Lo que no digas se queda en los valores por defecto del motor, o como ya lo tiene la herramienta: Ask solo ajusta lo que pediste. Cómo elige Ask el motor, la duración y el formato enumera las palabras y lo que ajusta cada una.

Con el dictado, hay un hábito que compensa: lee el plan antes de aprobarlo, o la línea gris antes de abrir la página. Indica el motor, la duración y el formato que se ajustaron. Si falta algo que dijiste, añádelo en otro mensaje, o escríbelo.

Comandos y locuciones

eroq crea voces además de imágenes, así que una petición hablada puede significar dos cosas distintas.

Un comando pide que se cree algo: «haz un clip de…», «una imagen de…». Clap lo planifica y escribe el prompt. Los prompts de video e imagen se escriben en inglés para los motores, sea cual sea el idioma en que hablaste.

Una locución es un texto para decir en voz alta. Di primero la voz y después las palabras, tras dos puntos:

You say:    Aria, read this like a voicemail: Hey, it's me. I landed early, call me back when you're out.
Plan:       Voice One · Aria    [Approve]

Aprobar renderiza la frase con la voz de Aria, y se reproduce ahí mismo, en el chat. Di «ábrelo en Voz» y se prepara la herramienta Voz en su lugar, con Aria seleccionada y tu frase como texto. Una locución conserva el idioma en que la dijiste (se pronuncia tal como está escrita), así que una frase en español se queda en español, una en francés se queda en francés, y Ask te responde en ese idioma:

You say:    Orion, lis ça doucement : la porte était déjà ouverte quand je suis arrivé.
Plan:       Voice One · Orion    [Approve]

La voz puede ser una del catálogo (Aria, Orion o cualquiera de las 24), una de tus voces clonadas o la voz de un personaje, y cada una se encuentra por su nombre. La instrucción va antes de los dos puntos y la frase después, así que siempre queda claro qué palabras hay que decir. Prompts en cualquier idioma trata el tema del idioma con más detalle.

Como el render espera tu clic, ves la frase antes de que se renderice: abre la fila del plan para leerla. Vale la pena echarle un vistazo en un guion dictado, porque la puntuación da forma a la lectura (dirección de voz con la puntuación). Cuando se renderiza, una locución cuesta 3 créditos por cada 100 caracteres en Voice One, 2 créditos en Voice Turbo.

Sigue la conversación por voz

El hilo conserva el contexto, así que la siguiente frase puede ser corta. Lo que dijiste antes sigue contando:

You say:    make a clip of a woman walking through neon rain at night, 10 seconds
Plan:       10 s    [Approve]

You say:    now make it vertical
Plan:       10 s · 9:16    [Approve]

You say:    make it with Kling instead
Plan:       Kling 3.0 · 10 s · 9:16    [Approve]

Un plan que no has aprobado queda reemplazado por el siguiente: solo el más reciente espera tu Aprobar. También funcionan frases más cortas: «lo mismo pero vertical», «mejor con Kling», «que dure 5 segundos», «ahora como imagen». Ve a Video y vuelve con el botón Atrás del navegador, o con Inicio en la barra lateral izquierda y el chat en la columna: la conversación sigue ahí. Nuevo chat empieza una nueva, y tus chats se quedan en este navegador, sin sincronizarse entre dispositivos. Iterar conversando lleva esto más lejos.

Moverte por el estudio con la voz

Ask hace más que crear cosas y preparar herramientas. Di «abre mi biblioteca», «facturación», «clona mi voz», «mis claves de API», «enséñame lo que hizo la comunidad» o «nueva película», y su botón te lleva allí.

Di «abre el clip del dragón» y busca entre tus creaciones por las palabras de sus prompts y títulos, mostrando hasta cinco coincidencias como miniaturas en las que hacer clic; si no hay ninguna, Abrir Creaciones → te lleva a tu biblioteca filtrada por esas palabras. Los personajes, los elementos y las voces clonadas se encuentran por su nombre. Lee prompts y títulos; no mira dentro de las propias imágenes o videos.

Límites honestos

• Ask no renderiza por su cuenta. No se gasta nada hasta que haces clic en Aprobar en un plan, o en Generar en la página de una herramienta.
• eroq no tiene reescalado de imágenes, ni sincronización labial, ni inpainting, y Ask lo dice en lugar de fingir. Los clips se reescalan a 1080p o 2K con Reescalar, en Video › Edit, no en un plan.
• Los chats se guardan en este navegador durante 30 días, solo en ese dispositivo.
• Ask forma parte del estudio, no es un endpoint de la API. Los desarrolladores llaman directamente a los endpoints de generación, o conectan asistentes a través del servidor MCP en /mcp.

Preguntas frecuentes

¿Qué navegadores admiten comandos de voz en eroq?

Chrome, Edge y Safari: el micrófono usa el reconocimiento de voz del propio navegador. En un navegador sin él, como Firefox, el micrófono no aparece y escribes en su lugar: Enter envía, Shift+Enter añade una línea nueva.

¿Tengo que pulsar enviar después de hablar?

No. Cuando dejas de hablar, las palabras se envían solas. Si una pausa envió solo la mitad de lo que querías decir, termínalo con otro mensaje: el hilo conserva lo que dijiste antes.

¿Puedo dar comandos de voz en otro idioma?

Sí. Habla en tu idioma y Ask te responde en él. Los prompts de video e imagen se escriben en inglés para los motores, mientras que una locución conserva el idioma en que la dijiste.

¿Un comando de voz gasta créditos?

No. Preguntar es gratis con Auto: un comando te da un plan con su precio, o una herramienta preparada detrás de un botón. Solo tu clic en Aprobar en el plan, o en Generar en la página de la herramienta, gasta créditos, con la verificación de créditos y el desbloqueo por plan de siempre.

¿Cómo hago que uno de mis personajes diga una frase?

Nombra al personaje y después da la frase tras dos puntos, con la misma forma que «Aria, lee esto: …». Clap planifica la frase con la voz de ese personaje (o prepara la herramienta Voz con ella, si pides la herramienta) y conserva la frase en el idioma en que la dijiste.

Abre el estudio, toca el micrófono y di tu primer clip: Clap le pone precio, y el clic que lo renderiza sigue siendo tuyo.