24 de septiembre de 2026
Crear una serie de audiodrama con IA: de la idea al episodio mezclado (guía 2026)
Biblia, escritura con memoria, voces, efectos sonoros, ambientes, música y mezcla: el método completo para producir un audiodrama con IA, calculado sobre un piloto real.
Frank HoubreFundador de Imaginode
Por qué todo el mundo se lanza a las series de audio
Las series de audio en episodios cortos, con un final que deja en suspense, se han convertido en un formato de masas, y la IA acaba de hacer que su producción esté al alcance de una sola persona.
Se escuchan en el transporte, cocinando, corriendo: ficciones divididas en episodios de pocos minutos, interpretadas por varias voces, con efectos sonoros y música que crean la ambientación. Aplicaciones como Pocket FM afirman tener más de 250 millones de oyentes solo en este formato, y el público se extiende mucho más allá de los aficionados a los podcasts.
Hasta ahora, producir una serie requería un equipo: un autor para escribir la temporada, actores de voz para cada personaje, un estudio para grabar, un ingeniero de sonido para los efectos, la música y la mezcla. Semanas de trabajo y un presupuesto que desanimaba a la mayoría de los autores.
En 2026, cada eslabón de esa cadena tiene su equivalente en IA: modelos de lenguaje que escriben y recuerdan toda una temporada, voces sintéticas capaces de interpretar un diálogo, generadores de efectos sonoros y de música. Esta guía muestra cómo combinarlos, paso a paso, con las cifras reales de un episodio piloto producido en el Drama Studio de Imaginode.
Los cinco pilares de una serie de audio
Una serie de audio se sostiene sobre cinco pilares: una biblia, guiones, voces, sonido y una mezcla. Omitir uno de ellos se nota de inmediato al oído.
La biblia es el documento de referencia de la serie: quiénes son los personajes, qué quieren, cómo hablan, dónde se desarrolla la historia, qué tramas abre y cómo las cierra. Sin biblia, el episodio 4 contradice al episodio 2.
Los guiones son los episodios en sí, escritos para el oído: réplicas, algunas intervenciones de un narrador, indicaciones de efectos sonoros y de música. Las voces interpretan esas réplicas, una voz por personaje, reconocible de un episodio a otro.
El sonido reúne tres capas: los efectos sonoros puntuales (una puerta, un teléfono), los ambientes continuos de cada lugar (una estación, un bosque de noche) y la música. La mezcla, por último, coloca todo esto en una línea de tiempo, baja la música bajo las voces y ajusta el nivel para que un episodio se escuche al mismo volumen que cualquier podcast.
Paso 1: transformar una idea en la biblia de la serie
Dos frases de idea bastan para obtener una biblia completa, siempre que se precisen el género, la duración de los episodios y el tamaño de la temporada.
Tomemos la idea que sirvió de piloto: «Una revisora del último tren nocturno París Niza descubre que un pasajero viaja cada semana con un billete fechado en 1987. Decide seguirlo.» Género thriller, episodios de 3 minutos, temporada de 6 episodios.
A partir de ahí, el agente Biblia del Drama Studio produjo en 45 segundos un título («Le Train de Minuit»), una logline, seis personajes entre ellos un narrador, cinco lugares con su ambiente sonoro descrito para un motor de sonidos, seis tramas a seguir, un tema musical y el esquema de los seis episodios, cada uno terminado con un giro. Coste medido: 6 créditos.
El punto más importante de este paso es el reparto. Cada personaje recibe una voz propia, elegida según su género, su edad y su timbre, y esa voz lo acompaña toda la temporada. Vuelva a leer las descripciones de los personajes: también indican cómo habla cada uno, y eso es lo que hará que los diálogos cobren vida.
Paso 2: escribir cada episodio con la memoria de la temporada
El verdadero reto de una serie no es escribir un buen episodio, es escribir el séptimo sin olvidar lo que ocurrió en los seis primeros.
Un modelo de lenguaje al que simplemente se le pide «escribe el episodio 5» inventa. Para sostener una temporada, el autor de IA debe recibir la biblia, el esquema de la temporada y una memoria: el resumen de cada episodio ya escrito, lo que ha aprendido cada personaje y el estado de cada trama. Esto es exactamente lo que hace el Drama Studio: con cada episodio escrito, registra su memoria, y el episodio siguiente parte de ahí.
En el piloto, el episodio 1 de 3 minutos se escribió en 40 segundos: 60 réplicas, 3 cambios de escena, 4 efectos sonoros, 2 marcas musicales, unos 3.000 caracteres hablados. Coste medido: 7 créditos. La memoria anotaba, por ejemplo, que la revisora había escaneado el billete de 1987 y que el sistema lo había aceptado, un hecho que el episodio 2 ya no podía ignorar.
Llega después la relectura. Un segundo agente, el crítico, puntúa el gancho, el ritmo, la coherencia, los diálogos y el desenlace sobre 10, y señala las réplicas defectuosas. En el piloto detectó dos incoherencias reales, entre ellas dos revisores hablando entre sí desde dos vagones distintos sin teléfono. Coste: de 2 a 3 créditos. Sus notas se retoman con un clic para una reescritura, y la versión anterior queda recuperable. Para las reglas de escritura en sí, consulte nuestro artículo cómo escribir un audiodrama que atrape.
Paso 3: hacer que las voces interpreten
Una escena se interpreta de una sola vez: todas las réplicas se envían juntas al motor de voz, que enlaza a los personajes como en una conversación real.
Ahí reside la diferencia entre una lectura y un audiodrama. Si cada réplica se genera por separado y luego se pega, se oyen silencios regulares y entonaciones que no se corresponden entre sí. El motor de diálogo de ElevenLabs que usa el estudio recibe hasta diez réplicas de una escena con la voz de cada personaje, y devuelve un único pasaje donde las reacciones se enlazan de forma natural.
Cada réplica puede llevar una forma de interpretación: susurrar, reír, suspirar, mostrarse intrigado, triste o emocionado. Estas etiquetas cambian de verdad la interpretación, y el crítico señala las que van a contrasentido, como una risa en el momento de una revelación trágica.
Las voces interpretan en catorce idiomas, y una misma serie puede escribirse y producirse en el idioma de su público. Para una voz en off sola o un podcast a dos voces, las herramientas voz en off con IA y podcast a dos voces del lienzo son suficientes; para una ficción con varios personajes, es el estudio el que mantiene el mismo reparto de un episodio a otro.
Paso 4: efectos sonoros, ambientes y música
El sonido cuenta tanto como las voces, siempre que se use con moderación: un ambiente por lugar, un efecto sonoro solo cuando aporta a la historia, un tema musical para toda la serie.
El ambiente es la capa más rentable: un bucle de veinte segundos por lugar (un andén de estación de noche, el interior de un tren en marcha) basta para situar al oyente, y suena bajo cada escena que ocurre allí. En el piloto, dos ambientes cubren todo el episodio.
Los efectos sonoros deben dosificarse. Sin una instrucción numérica, la IA colocaba once en dos minutos, y cada uno interrumpía un diálogo. El estudio ahora limita a un efecto cada cuarenta segundos aproximadamente, reservado para los sonidos que hacen avanzar la historia: una puerta que se cierra de golpe, un billete que se entrega, un silbato de salida. Para sonidos aislados, el generador de efectos sonoros del lienzo también funciona por sí solo.
El tema musical se compone una vez, en instrumental, y se reutiliza en todos los episodios: abre el episodio, se retira bajo las voces, y un golpe dramático breve subraya el desenlace. Es el gasto más grande del primer episodio (84 créditos en el piloto), y el único que no se repite.
Paso 5: mezclar y publicar
La mezcla coloca cada sonido en la línea de tiempo, baja la música bajo las voces y normaliza el nivel alrededor de -16 LUFS, la referencia de los podcasts.
En el Drama Studio, la mezcla se hace en su navegador, sin coste alguno: los bloques de diálogo se enlazan según su duración real, los efectos sonoros se colocan encima sin retener la continuación más de un segundo y medio, cada ambiente se repite en bucle bajo su escena, y la música baja automáticamente en cuanto un personaje habla.
El piloto mezclado dura 4 minutos, mide -16,2 LUFS con un pico verdadero de -1,7 dBFS, y pesa menos de 4 MB en .m4a. Durante la escucha en el estudio, la réplica en curso se ilumina en el guion, lo que permite localizar en un segundo la frase que hay que retocar.
El archivo le pertenece: lo descarga y lo publica en una plataforma de podcast, en YouTube con una imagen fija, o en su sitio web. También se guarda en sus medios de Imaginode, donde puede servir de banda sonora para un vídeo montado en el lienzo.
Cuánto cuesta realmente un episodio
En el piloto de 3 minutos, la escritura costó 15 créditos y la producción 151, de los cuales 84 corresponden a un tema musical que solo se paga una vez.
El detalle medido el 23 de septiembre de 2026: biblia de la temporada 6 créditos, escritura del episodio 7 créditos, relectura de 2 a 3 créditos. En producción, 13 pasajes dialogados, 4 efectos sonoros, 2 ambientes, un golpe dramático y el tema musical, es decir, 21 sonidos y 151 créditos. La mezcla no costó nada.
A partir del segundo episodio, el tema y los ambientes de los lugares ya visitados se reutilizan: un episodio de 3 minutos cuesta entonces entre 60 y 70 créditos de sonido, a los que se añaden unos 10 créditos de escritura. Para las voces solas, calcule unos 12 créditos por minuto de diálogo.
Y un sonido ya producido nunca se paga de nuevo: si corrige una réplica, solo se regenera el pasaje que la contiene. Es lo que hace que las reescrituras sean asequibles, incluso en fases avanzadas de la producción.
Los errores que hacen que un oyente abandone
Demasiado narrador, personajes que se parecen entre sí, efectos sonoros por todas partes y un episodio sin desenlace: cuatro errores que se corrigen antes de la producción.
El narrador que lo cuenta todo convierte la ficción en un audiolibro: manténgalo para los saltos de tiempo y de lugar, y deje que los personajes lleven la acción. Dos personajes con voces demasiado parecidas se confunden: en la biblia, deles edades, timbres o acentos diferentes.
Demasiados efectos sonoros cansan el oído y cortan el ritmo: un ambiente bien elegido sustituye a diez de ellos. Por último, un episodio que termina sin una pregunta abierta no da ninguna razón para escuchar el siguiente: la nota de «desenlace» del crítico es la primera que hay que vigilar.
Lo más sencillo para empezar es escuchar un episodio producido de principio a fin. El de Le Train de Minuit está disponible para escuchar en la página del Drama Studio, y si duda entre varias herramientas, nuestra comparación con Sherpa de Pocket FM detalla lo que hace realmente cada uno.